本文摘要：DAC主赛事VG对战TNC的第三局，比赛展开到45分钟VG被斩一路、经济落后近3W，在完全所有人都指出91进、VG将赢比赛的时候，大老师却深信VG仍有五成胜率。

DAC主赛事VG对战TNC的第三局，比赛展开到45分钟VG被斩一路、经济落后近3W，在完全所有人都指出91进、VG将赢比赛的时候，大老师却深信VG仍有五成胜率。最后VG顺利逆转，大老师一战崭露头角！ZGo电竞游戏网　　赛后水友们议论纷纷：怎么会大老师应验了瑞文同志的入党？或者必要重写了掉圣剑的剧本？大老师到底有什么奇技淫巧？ZGo电竞游戏网　　（问题：大老师究竟从哪里借了一双慧眼，竟然比打了10多年刀塔的著名玩家看得还定？）最合适问这个问题的人应当是大老师的作者，其次是机器学习大牛。但是确实的大牛都朋友们，往往没有时间做到科普。ZGo电竞游戏网　　那么，就由我这个初级数据分析师给大家非常简单谈一谈吧。

ZGo电竞游戏网　　动态预测dota2胜败有多难？ZGo电竞游戏网　　我找到很多朋友被预测贼定、从来不犯规的大老师吓坏了，甚至因此加剧了对人工智能的不安。ZGo电竞游戏网　　回应我只想说道：兄弟，你误会了！ZGo电竞游戏网　　只不过，这件事并没这么无以，大数据老师依然只是在很弱人工智能的大框架下解决问题了一个不过于简单的问题。本质上谈，动态预测DOTA2胜败和机器学习经典模式识别问题（比如垃圾邮件辨识、图像识别等）是一样的（只是多了一个时间维度）。

这类问题的数据源、特征和常用模型都不简单：ZGo电竞游戏网　　1。数据：海量数据（每天百万级别的DOTA2游戏局数）ZGo电竞游戏网　　2。特征：特征非常丰富，更容易萃取和胜败涉及的特征ZGo电竞游戏网　　3。

模型：模型成熟期，经典的逻辑重返或者随机森就能获得很好效果ZGo电竞游戏网　　而DOTA2玩家熟悉的更加无以的问题是：ZGo电竞游戏网　　[已解决问题]中路SOLO赛，AI吊打人类最弱运动员（模型简单）ZGo电竞游戏网　　[未解决]AI预测TI8冠军（数据样本较少，有效地特征提取无以）ZGo电竞游戏网　　所以，大家不要慌。等AI在5V5月比赛中吊打最弱人类队伍，或者微软公司再度跳跃出来预测TI8赛况十分精确时，才是我们确实该不安的时候~ZGo电竞游戏网　　大老师明确是怎么做的ZGo电竞游戏网　　除非作者特地介绍大老师的预测算法，否则我们无法清楚告诉底层构建细节。

好在DOTA2胜败预测这个问题早已有不少人研究过，并公开发表了论文（你没有看错，我们DOTA2就是这么屌）。下面我就以UCSD两名刀友的论文DOTA2 Win Prediction为事例，给大家讲解一下大老师的具体做法。ZGo电竞游戏网　　和大老师主打的动态预测DOTA2胜败有所不同，这篇论文是在比赛开始前（BP完结，阵容确认）和比赛完结后对胜败展开预测。

这两个用逻辑重返做到的预测模型，都获得了十分出众的准确率：ZGo电竞游戏网　　比赛开始前，仅有根据双方阵容预测胜败的准确率是73.0%。ZGo电竞游戏网　　比赛完结后，根据双方队伍的GPM\XPM\KPM之差预测胜败的准确率相似100%。

（有水友就要回答了，比赛都完结了，胜败已分还必须预测吗？下个段落说道）ZGo电竞游戏网　　我们再行详尽讲解一下这两个模型：看阵容，猜中胜败和看赛后统计资料，猜中胜败。然后再行过渡性、衍生到大老师的看赛中动态数据，猜中胜败模型。ZGo电竞游戏网　　再行说道数据源ZGo电竞游戏网　　作者用V社获取的API搜集了2015-11-20~2015-11-22的62000场游戏数据作为数据源，挑选限定版条件是：ZGo电竞游戏网　　游戏等级为very high，研究者指出这些局里面的运动员都是不会玩游戏的，防止了由于运动员实力造成的数据偏差。（是的，你要是不努力提高自己的DOTA2水平，大老师都懒得看你的游戏。

ZGo电竞游戏网　　看阵容，猜中胜败ZGo电竞游戏网　　阵容对DOTA2比赛的影响十分大，BP阶段弹幕辩论也不会出现异常活跃。坚信大家常常看见弹幕大神根据阵容来预测比赛胜败：ZGo电竞游戏网　　这个小鱼人拿的好蠢，被对面血克！（抗拒关系）ZGo电竞游戏网　　这个狗拿的很差，没车！（协同关系）ZGo电竞游戏网　　又中选剑圣！不告诉剑圣早已不合适这个版本了吗？（英雄在当前版本的展现出）ZGo电竞游戏网　　那么大老师是怎么做的呢？只不过和弹幕大神也没差过于多，这个模型注目每局游戏的四个特征：ZGo电竞游戏网　　offset，取决于天辉相对于夜魇的优势，也就是无脑预测天辉获得胜利也可以享有56%的准确率（低于抛掷硬币的50%）ZGo电竞游戏网　　matchup，pick英雄的二进制特征（上场为1，不上场为0，构成一个一维向量），取决于天辉夜魇各自阵容中每一个英雄的影响ZGo电竞游戏网　　synergy，取决于英雄协作关系ZGo电竞游戏网　　countering，取决于英雄抗拒关系ZGo电竞游戏网　　重点谈两个特征：synergy和countering。

前者体现了英雄两两之间的协同作用，后者体现了双方阵容的英雄抗拒关系。ZGo电竞游戏网　　再行看英雄配上。如下图所以，虽然大部分英雄人组的胜率相似50%，但依然不存在大量的出现异常值：ZGo电竞游戏网　　好人组：[兽王，狼人]、[露娜，狼人]、[兽王，露娜]的人组胜率多达90%。

ZGo电竞游戏网　　番茄人组：[光法，小精灵]、[光法，小鹿]、[小鹿，小精灵]的人组胜率高于10%。ZGo电竞游戏网　　正是因为有所不同英雄人组的胜率不存在较为显著的差异，才可以用于synergy特征来预测胜败。（这些是2015年底的数据了，理解当时DOTA2版本的朋友可以在facebook中理解一下这些出现异常值。

）ZGo电竞游戏网　　英雄抗拒关系与协同关系的数据分布类似于：大部分英雄间抗拒胜率是50%，但也不存在许多反感的抗拒关系，比如[狼人-小精灵]、[军团-米波]、[拉席克-毒狗]的抗拒胜率多达78%。ZGo电竞游戏网　　好了，对大多数水友来讲，不必须再说更好的技术细节了。

只必须告诉这个方法的逻辑是：大数据老师，把几万场DOTA2游戏的阵容看了一遍，自学每一场游戏的特征，训练逻辑重返模型，根据双方阵容预测比赛胜败。模型的准确度是73%。ZGo电竞游戏网　　不必须猜测，这个准确度认同可以吊打玩游戏了10年DOTA的你。

却是大数据老师是闻的多了，哪一场比赛它没有看完？哪一种阵容人组它没有分析过？相比之下，任何人类运动员输出的游戏信息量都不值一提，图样图森斩，上台拿衣服。ZGo电竞游戏网　　但幸运地的是，人类运动员依然可以建构新的阵容人组，下降空间并没被智子失灵~ZGo电竞游戏网　　看赛后统计资料，猜中胜败ZGo电竞游戏网　　这个模型的思想和看阵容，猜中胜败相近，只是挑选的特征有所不同：ZGo电竞游戏网　　赛后双方队伍GPM之差（不必总经济，是为了回避比赛时间长短有所不同的影响）ZGo电竞游戏网　　赛后双方队伍XPM之差ZGo电竞游戏网　　赛后双方队伍KPM（每分钟人头）之差ZGo电竞游戏网　　这些指标大家都十分熟知了，为什么选这些指标？道理也是显而易见的：这些指标和胜败的相关性尤其低。以GPM为事例，比赛完结时经济领先的一方，绝大多数都获得了胜利。

6W场比赛中，一共只有500场比赛（将近1%）完结时，经济低的一方赢了比赛。所以，哪怕仅有用GPM这一个指标来预测胜败，也早已十分精确了。ZGo电竞游戏网　　同时用于GPM+XPM+KPM三个特征预测时，准确度基本超过100%，不必须更加多了。ZGo电竞游戏网　　现在我们问问题：比赛完结后，胜败已分，为什么还要展开预测？因为方法是标准化的！几乎可以把这个方法如出一辙到VG打TNC的第三局的给定时间点！看两个时间点：ZGo电竞游戏网　　37分钟，VG经验领先2W7（整场比赛仅次于经验劣），人头比15：25（整场比赛仅次于人头劣），经济落后2w4。

ZGo电竞游戏网　　此时大老师得出了VG整场比赛的低于预测胜率24%左右。ZGo电竞游戏网　　2。

45分钟，VG经济落后2w8（整场比赛仅次于经济劣），人头比变为19：25（VG现在能杀人了），经验领先1W8（经验劣在很快增大），大老师把VG的胜率提高到相似50%。ZGo电竞游戏网　　这下就确切了！我们大多数玩家把影响游戏胜败的关键点容许在经济劣、破路等因素上（玩游戏没法啦，91进啦），而大老师则是综合考虑到了更加多的关键指标：GPM\XPM\KPM（甚至有可能再加了每分钟恢复量、双方护甲值\攻击力\魔外用等等许多我们胜过或者想不到的特征）。ZGo电竞游戏网　　我们看比赛时很难取得这些数据ZGo电竞游戏网　　当然，PLUS会员获取的大数据老师，在处置时间维度的时候也有可能使用了更为牛逼的模型（而不是非常简单的把比赛按每分钟取样用来训练）。

但大老师的明确构建细节，我们就不得而知了。ZGo电竞游戏网　　不过写出到这里，坚信科普的目的早已超过，大家对大老师的手段应当有了较为明晰的了解。ZGo电竞游戏网　　总结一下，就是在两队水平差不多（比如LGD与VP？？）或是在平时天梯上的时候，大老师得出的大数据是十分有一点信赖的。大老师这么牛逼，没包月的小伙伴是不是可以去包年了！。

本文来源：kk体育app官网入口-www.mamaleonconcierge.com