回个文简单分享一下个人见解好了 虽然很懒得改论文不过至少稍微做点动脑的事
文中提到的胜率分析基本上是黑客松的产物，看作者的部落格看起来重点更放在各种技术
的串接还有后续要做的即时串流分析，预测模型本身只是个雏形，也没有时间做微调
文中有提到使用的模型是random forest而不是神经网络
当然也不是说一定得用神经网络才是好，很多时候简单的模型就能得到好结果，训练也快
不过看原始码，除了决策树的数量(22)之外也没改其他参数了
至于为什么那四个因子会这么废话，重点还是在输入到底有哪些
原始码里面可以看到，模型的输入有：
游戏时间(ms)
双方最低牌位
双方最高牌位
双方巴龙击杀数
双方小龙击杀数
双方推塔数
双方金钱量
双方击杀数
双方死亡数
双方助攻数
双方整队等级
双方CS数
这边可以看到两个重点
第一，资料几乎都是以"整队"为单位
击杀数、金钱量、CS数甚至等级都是整队加起来
而虽然原始资料有给两边英雄的ID，不过也没喂进模型
所以只能看出来整体哪边比较肥而已，看不出来肥的到底是寇格魔还是瑟雷西
第二，上述资料完全没有前处理，就是喂进去而已
牌位对电脑来说就是不同字串，没有谁比谁高的概念
双方击杀数和死亡数几乎是重复的资料
而很多资料(金钱量、击杀死亡推塔等)是相对的，必须互相比较才有意义
而这些数据也都和游戏时间有关
但是很多预测模型，包含random forest，都不会去做这种比较
因此必须要自行做资料前处理
例如把双方的金钱量相减，变成"双方经济差"再喂进去，绝对会比各自喂有用的多
因为这样模型就可以根据这个差距有多大做预测
而不是像原始作法，模型很可能会变成看到"蓝方经济>50K"就猜蓝方会赢
却没注意到红方经济70K了
除此之外，没有把经济量对游戏时间做调整(变成金钱/时间)也会对模型有很不好的影响
我猜这就是这四个废话因子里面有两个重复的东西(击杀/死亡)，却没有经济量的原因
而且只要猜哪队赢的二元预测，正确率只有到75%，说实在也没高到哪去
不过就像一开始说的，他们的project重点在短时间内搞出这么多技术的串接
多花点时间做资料前处理和微调的话，预测结果一定能做得更好
而他们也在github上放了原始码还有资料，有闲的乡民可以自己fork下来试着调调看
感觉满有趣的，我毕业完也会考虑来玩玩看
https://github.com/igwp/igwp
大概是这样
※ 引述《turningright (Right)》之铭言：
: Reddit原串：https://redd.it/dcpli3
: 来源：https://reurl.cc/9zG0aO
: 擅长在《英雄联盟》中抓出各种 Bug 的知名人物 Vandril 日前又抓到了一只大虫，当他
: 在测试服务器玩阿福快打的时候，游戏内的聊天室突然跳出一大串有着 DEBUG 字眼的字
: 串，而这些字串似乎有着一些不同凡响的意义。
: https://youtu.be/5DuLPpScQhs
: 这些字串显示出的资料包含双方队伍的经济量、经济差距、赏金分析，甚至还会显示出个
: 别英雄的弱点以及目前的胜率。
: Vandril 的 Bug 影片被转载到 Reddit 之后获得官方人员的回复，名为 RiotBoatStuff
: 的 Rioter 承认他们确实在用机器学习来试着能否分析出胜率，透过输入经济差距、地图
: 物件、队伍组成等参数来训练模型。
: https://i.imgur.com/gQ48Npa.png
: 不过其实早在 2016 年时就有类似的东西了，当时有人在 Riot 自办的黑客松中以实时胜
: 率为主题制作了一个分析程式，以三万场钻石积分场作基底去喂机器，并得出了死亡数、
: 击杀数、推塔数和击杀的小龙数是影响胜利的四个重要因子。
: RiotBoatStuff 在转贴文章底下也提到了推荐出装的系统，目前仍有些英雄的资料仍未更
: 新到最新版，若可透过AI分析战况来进行自动化的话应该会很棒，他也打趣的表示如果在
: 玩达瑞文时送掉首杀，系统有可能会误推荐你买六水滴。