Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Katsaus epäjohdonmukaisuuteen

Minkä tahansa urheilun luonne on, että johdonmukaisuus voittaa kaiken. Pelaajan katto muuttuu merkityksettömäksi, jos hän ei saavuta sitä silloin, kun joukkue tarvitsee sitä parhaiten. Kaikkien aikojen parhailla pelaajilla on korkeat katot, mutta juuri heidän lattiansa erottaa heidät joukosta. Useimmat ykköstason pelaajat ovat pudonneet 30 pommia; paljon harvemmat ovat yhdistäneet yli 20 karttaa peräkkäin arvosanan 1.00 yläpuolella.

Ja juuri ne pelaajat, joiden katot ovat yhtä korkeat kuin pelin parhaat, mutta joilla ei ole sitä lattiaa, ovat niin turhauttavia. Näkötestimme muistavat heidän parhaat pelinsä, mutta eivät keskimääräisiä. Sen sijaan, että he olisivat koristeltu MVP-pisteillä, nämä pelaajat syrjäytetään voittoehtoihin, joita kutsutaan kuumaksi ja kylmäksi, epäjohdonmukaisiksi pelaajiksi.

Tärkein näistä pelaajista on Kristian "⁠K0nfig⁠" Wienecke. Astralis sisääntulofragger on häikäisenyt yhtä paljon kuin pettynytkin. Että hän piti CS:GO ennätys säännön tappojen osalta 47-21 Renegadesia vastaan ​​vuonna 2018, osoittaa enimmäismäärän, jonka hän voi saavuttaa. Tässä iteraatiossa Astralis, se on hän ja Benjamin "AmeblameF⁠" Bremer joiden oletetaan tarjoavan tähtivoimaa, vielä k0nfig on jäänyt odotuksista alle. Hänen lahjakkuutensa on ollut ilmeinen, kuten aina, mutta johdonmukaisuus on välttynyt häneltä.

Joten kerronta menee joka tapauksessa. Mutta onko se reilu? Voimmeko reilusti ja objektiivisesti mitata pelaajan epäjohdonmukaisuutta? Otetaan se selville käyttämällä LAN-tilastoja vuonna 2022.

Aloitamme aloittamalla kartan välisen johdonmukaisuuden perusmitalla: kuinka monta prosenttia kartoista pelaaja saa pisteen 1.00. Otoksemme keskiarvo on hieman yli 55 %, joten kaikki nämä pelaajat ovat paketin yläpuolella.

Tämä on kuitenkin kaukana täydellisestä. Arvosana 1.01 saattaa olla onnistunut ottelu keskivertopelaajalle, mutta tähtipelaajalle tai ensisijaiselle AWPer:lle, joka voi itse asiassa heikentää joukkueen mahdollisuuksia voittaa ottelu.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Jotta näet, kuinka paljon pelaaja vaihtelee verrattuna omaan keskimääräiseen arvosanaansa, on olemassa hieman matemaattista ammattikieltä. Käytämme standardipoikkeamaa, joka on varianssin mitta. Pohjimmiltaan mitä pienempi keskihajonta, sitä enemmän pelaajan kartat ryhmittyvät keskiarvosanansa ympärille. Sen vuoksi suuren keskihajonnan pitäisi osoittaa epäjohdonmukaisuuden tasoa.

k0nfigMielenkiintoista kyllä, se ei päässyt kahdeksan parhaan pelaajan listalle korkeimman keskihajonnan omaavien joukossa. Listalle päässeet pelaajat ovat kuitenkin hänen kaltaisiaan. Vladislav "⁠Nafany⁠" Gorshkov on toinen pisteellä 0.377, toinen pelaaja, joka on joutunut arvostelun kohteeksi epäjohdonmukaisuudestaan.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Pöydän keskiarvosana eroaa pelaajaprofiileissa näkemästäsi kokonaisarvosta, koska se on keskimääräinen arvio karttaa kohden, ei kierrosta kohti

Hänen korkea standardipoikkeamansa osoittaa miksi Cloud9 olivat niin tappavia IEM Dallasissa, kun nafany oli kuumassa kunnossa ja sai keskimäärin 1.14 arvosanan (17 pistettä korkeampi kuin hänen vuoden keskiarvo).

Jopa tuossa tapahtumassa nafanyn ylä- ja alamäet olivat hämmästyttävän erilaisia. Kartat pitävät 2.03 luokitusta vastaan ENCE finaalissa ja 2.16 ryhmissä vastaan Ninjas pyjamassa olivat edelleen yhdistettynä 0.84 kartalla yksi vastaan BIG ja 0.79 ja 0.91 arvosanat kahdessa kolmesta kartasta häiritä.

Tarina on sama monille tämän listan pelaajille. Fredrik "⁠REZ⁠" Sterner on toinen pelaaja, joka on leimattu epäjohdonmukaiseksi, ja tämä mittari näyttää vahvistavan sen. Yuri "⁠Yuurih⁠" Santos on kestänyt kovia jaksoja vuonna 2022 standardiensa suhteen Andrew ”⁠ArT⁠” Piovezan on vielä aggressiivisempi kuin nafany.

Että Nikola ”⁠NiKo⁠” Kovač on niin korkea arvosana ja korkea standardipoikkeama kuvaa hyvin hänen vuottaan; hänen huiput ovat olleet yhtä hyviä kuin koskaan, mutta on ollut aikoja, jolloin G2 olisi voinut käyttää enemmän heidän tähtimiehensä.

In NIKO's tapauksessa voimme nähdä pienen virheen keskihajonnan käytössä. Jos pelaajan keskimääräinen luokitus kartta kerrallaan on 1.26, onko todella reilua kutsua heitä epäjohdonmukaisiksi? Otetaan tämä hajontakaavio, joka vertaa pelaajan keskiarvoa heidän keskihajontaan.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Liittyminen NIKO kartan korkean varianssin ja korkean arvosanan kulmassa on Dmitry "⁠Sh1ro⁠" Sokolov, Mathieu ”⁠ZywOo⁠” Herbautja Oleksandr "⁠S1mple⁠" Kostyljev. Tämä soi hälytyskelloihin, jos haluamme käyttää tätä mittaria epäjohdonmukaisuuden määrittämiseen. Näiden pelaajien kohdalla he "poikkeavat" keskiarvostaan, koska he lähettävät karttoja niin usein. Arvosana 2.00 on yhtä paljon kuin 0.80 alempi yhden näistä pelaajien keskimääräisistä arvioista, mutta sitä käsitellään samalla tavalla kuin 0.60:n luokitusta "epäjohdonmukaisuudesta" keskihajonnan perusteella.

Mielenkiintoisempaa ovat muut osat. Kiväärit pitävät Keith ”⁠NAF⁠” Markovic, Russel ”⁠Twistzz⁠” Van Dulken ja sergey "⁠Ax1Le⁠" Rykhtorov yhdistä matalan standardin vaihtelu korkeaan arvosanaan, mikä osoittaa, että he ovat jatkuvasti 1.00-1.40 merkin kohdalla ja sen ympärillä pelatuissa kartoissaan. Audiric "JACKZ" Kannu on pelaaja, jolla on alhaisin keskihajonta, vain 0.24, sekä melko alhainen keskiarvo 0.96; hän oli tänä vuonna jatkuvasti tilastollisesti keskiarvon alapuolella.

Tämä vertailu toimii myös pelaajille, joilla on suuri varianssi ja matalat arvosanat Alexander “Opmopoz⁠” Fernández-Quejo Cano, taide, Dan ”⁠ApEX⁠” Madesclaire ja nafany sijoittuu lähelle odotuksiamme: Ultra-aggressiivinen, X-tekijä, kiväärit. Tarvitsemme kuitenkin eri ratkaisun parhaille pelaajille: läsnäolo s1mple ja ZywOo oikeassa yläkulmassa osoittaa, että keskihajonta ei yksinään ole tarpeeksi hyvä leimaamaan pelaajaa epäjohdonmukaiseksi.

Yksi ratkaisu on asettaa pelaajat paremmuusjärjestykseen heidän kerroksensa, huonojen karttojensa perusteella hyvien karttojen sijaan. Käytämme tämän vuoden pelaajakarttojen ensimmäistä kvartiilia eli 25. prosenttipistettä lähiverkossa. 25. prosenttipiste on mediaanin keskiarvon serkku, paitsi jos mediaani on järjestetyn listan keskiarvo, 25. prosenttipiste (tilastoissa usein kutsutaan nimellä Q1) on neljännes läpimenosta. Helppouden vuoksi, kun käytämme termiä "lattia" tästä eteenpäin, tarkoitamme pelaajan 25. prosenttipistettä.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Nyt näemme ne nimet, joita keskihajonna kohdeltiin epäoikeudenmukaisesti eri valossa. Lattia varten s1mple on 1.08 luokitus, for ZywOo 1.06 ja NIKO 1.01. Lurkerit Ax1Le, NAFja blameF ovat myös kymmenen parhaan joukossa, ehkä osittain siksi, että heidän roolinsa antaa heille mahdollisuuden voittaa joukkueensa tappiot ja voitot.

Tämä osoittaa meille, ketkä ovat johdonmukaisimmat pelaajat, mutta entä epäjohdonmukaiset? Jos katsomme vain pelaajia, joilla on alin kerros, saamme samanlaisia Epitacio "⁠TACO⁠" de Melo (0.64) Richard ”⁠Shox⁠” Papillon (0.67) ja Rasmus "⁠HooXi⁠" Nielsen (0.69). Tämä ei kuitenkaan tarkoita epäjohdonmukaisuutta sinänsä, koska kaikilla näillä pelaajilla oli melko huonot keskiarvosanat.

Löytääksemme epäjohdonmukaiset pelaajat tarvitsemme jälleen lukion matematiikan oppikirjoja. Vähentämällä lattia (25. prosenttipiste) katosta (75. prosenttipiste: sama kuin ennen, kulkemalla kolme neljäsosaa järjestetyn listan läpi), saadaan jotain, jota kutsutaan kvartiilien väliseksi alueeksi (IQR). Tämä, kuten keskihajonta, on tapa mitata varianssia - ajattele sitä erona pelaajan hyvien ja huonojen karttojen välillä - ja sen pitäisi olla hyödyllisempi tarkoituksiinmme.

Tässä on graafinen selitys samasta tilastosta. Jokainen baari on yksi niistä k0nfign kartat lähiverkossa vuonna 2022, järjestettynä alimmasta korkeimpaan. Q1 on neljännes läpimenosta, Q2 kaksi neljännestä ja Q3 kolme neljännestä. Sitten vähennämme Q1 Q3:sta saadaksemme IQR:n.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Kun tämä on selitetty, tässä ovat pelaajat, joilla on korkein IQR:

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

NIKO on jälleen esillä, osittain kiitos taas hänen naurettavan korkean kattonsa, jotain sh1ro kärsii myös. Valeriy "b1t" Vakhovskiy ja Lotan "⁠Spinx⁠" Giladi oli erittäin hyvä 2022, jakaen mediaaniarvosanan 1.15, mutta ovat melko korkealla tällä listalla. Sphinx itse asiassa hänen kerrokseensa oli melko hyvä arvosana 0.98; hänen korkea IQR on seurausta hänen 1.45 luokituskatosta, joka on valtava 0.30 korkeampi kuin hänen mediaaniluokitusnsa. Tämä asettaa hänet samaan leiriin NIKO (1.50 katto), vertailu, joka on tehty aiemmin ja hyvästä syystä.

IQR on parempi kuin keskihajonta, mutta katsomme edelleen lukuja ilman niiden täyttä kontekstia. Tämän ratkaisemiseksi tässä on sirontakaavio, joka visualisoi pelaajan lattiat samaan aikaan kuin niiden katto. Jokaisen pelaajan pisteen koko vastaa heidän kvartiilien välistä aluetta, minkä pitäisi auttaa kuvaamaan tätä tarkemmin. Luonnollisesti lattian ja katon välillä on paljon korrelaatiota, mutta trendilinjasta erottuvissa pelaajissa on silti kiinnostavia kohteita.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Oranssin ja vihreän kuplan pelaajilla on korkeammat katot kuin lattiat, kun taas punaisilla ja keltaisilla pelaajilla on päinvastoin. Nyt pelaajat pitävät NIKO ja sh1ro Palkitaan korkeista kattoistaan, koska heidät sijoitetaan jatkuvasti hyvien pelaajien vihreään kuplaan. Kaavion oikeassa yläkulmassa näkyy myös eroja Ax1Le ja NAF, kaksi pelaajaa, joilla oli hyvin samanlainen keskihajonta ja IQR, kanssa Cloud9 mies paljon ylempänä ja oikealla NAF.

Edempänä vasemmalla, meillä on tärkein "epäjohdonmukainen" oranssi kupla – pelaajat, joilla on korkeat katot mutta melko matalat lattiat. Suurin osa näistä pelaajista on sopivan oransseja pisteitä, mikä osoittaa, että he ovat aggressiivisia kiväärejä (yli 20 % avautuvista tappoyrityksistä T-puolella), mikä on hyvin järkevää. Hyvänä päivänä nämä pelaajat voivat viljellä arvosanaa vaikuttavilla sisääntulofragmenteilla ja useilla tappoilla. Huonoina päivinä heidän eloonjäämisprosenttinsa kuitenkin laskee, mikä jättää heidät miinukselle.

Boris "Ixmagixx⁠" Vorobjev on suurin poikkeama täällä, hieman yllättävästi. Hyvinä päivinä hänet arvostetaan yhtä korkealle kuin b1t ja Mareks "⁠YEKINDAR⁠" Gaļinskis mutta hänellä on kerros alempi kuin Andreas ”⁠Xyp9x⁠” Højsleth. Häneen liittyy enemmän niitä, joita odotat: nafany, Hampus "⁠Hampus⁠" Teeskentelijä, Fredrik "⁠RoeJ⁠" Jorgensenja Michael ”⁠Grim⁠” Säpsähtää ovat kaikki ennemminkin aggressiivisia X-tekijöitä kuin johdonmukaisia ​​voimia. Asger "⁠Farlig⁠" Jensen on otoksemme alimman kerroksen AWPer, joka sopii tanskalaiseen tarinaan.

Tässä olemme esitelleet kolme eri tapaa tarkastella epäjohdonmukaisuutta: keskihajonta, kvartiilien välinen alue ja "oranssi vyöhyke" hajontakaaviossamme (pelaajille, joilla on alhainen arvosana huonoissa kartoissa, mutta vahva hyvinä päivinä). Kaikilla on heikkoutensa, kun niitä käytetään erikseen, joten yhdistetään nyt eri menetelmät "epäjohdonmukaisuusluokitus" -kaavaan.

Yhteenvetona otamme huomioon:

— Prosenttiosuus kartoista, joiden luokitus on 1.00+
— Keskihajonta
— Kvartiilien välinen alue (Q3-Q1)
— Ero pelaajan keskiarvon ja lattian välillä (Q2-Q1)
— Ero pelaajan keskiarvon ja katon välillä (Q3-Q2)

Tässä on luettelo pelaajista, joilla on korkein epäjohdonmukaisuusluokitus, jotta saadaan selville kaikkein "epäjohdonmukaisimmat" pelaajat. Muista kuitenkin, että tämä on johdonmukaisuutta verrattuna pelaajan keskimääräiseen arvosanaan; nämä pelaajat ovat jatkuvasti keskiarvon ympärillä, eivät jatkuvasti hyviä. Vain noin 20 % kaavasta liittyy tilastollisesti "hyväksi" pelaajaksi, sillä pelaajat saavat epäjohdonmukaisuusluokituksen, koska heillä on pieni prosenttiosuus kartoista, jotka ovat yli 1.00.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Vaikka k0nfig on poissa – ja b1t on harvoin syytetty epäjohdonmukaisuudesta työpöydillä - luettelo kokonaisuutena näyttää vastaavan silmätestin ja yhteisön kertomuksia. nafany, mopoz ja kärki ovat kaikki tämän kappaleen aikana esiintyneiden räjähtävien mutta epäjohdonmukaisten pelaajien arkkityyppejä, aivan sama arkkityyppi k0nfig on osa.

Olemmeko siis ratkaisseet suuren "epäjohdonmukaisuuden" kysymyksen? Jotenkin - mutta reikiä on edelleen. Ja kuten johdannossa totesimme, oikea johdonmukaisuus karkaa 99 % ammattilaispelaajista. Kerronta ympärillä k0nfig ja REZ epäjohdonmukaisuus perustuu luultavasti ajatukseen, että nämä pelaajat shouldnt olla johdonmukaisia, kun otetaan huomioon heidän ilmeinen lahjakkuutensa ja mekaaninen taitonsa silmäkokeessa.

Kun katsomme suurempaa näytettä, voimme kuitenkin nähdä, että valtaosa kivääreistä kärsii samasta ongelmasta. NIKO hänellä oli vuoden 2021 lopussa kolme kuukautta, jolloin hän oli yhtä hyvä kuin kuka tahansa muualla maailmassa – jopa AWPerit. Nyt hän on kuitenkin pudonnut takaisin "vain" olla maailman paras kivääri. Kun käännämme luetteloa saadaksemme meille vähiten epäjohdonmukaisia ​​pelaajia, se on kokoelma AWPereitä ja tukevia, passiivisempia kiväärejä.

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Niinkin vaikeassa pelissä kuin CS:GO, vapaapäivät ja huonot korjaukset ovat väistämättömiä. Mutta on selvää, että joillakin pelaajilla on parempia vapaapäiviä kuin toisilla. Ja kuten johdannossa totesimme, tämä tekee vain niistä pelaajista, jotka voivat antaa huonoina päivinä yli 1.00 arvosanaa, arvokkaampia, varsinkin ne, jotka vievät paljon avauskaksintaisteluja, kuten Ax1Le ja NIKO.

Ongelmana on, että nuo kaksi pelaajaa ovat ainoat aggressiiviset kiväärit, jotka ovat saavuttaneet 1.00:n korkeamman tason LANissa tänä vuonna. Vain kahdeksan muuta onnistui siinä – viisi heistä oli ensisijaisia ​​AWPer-pelaajia – mikä on pieni murto-osa ammattilaispelaajista. Todellinen johdonmukaisuus korkealla tasolla on jokaisen urheilulajin El Dorado, eikä Counter-Strike eroa toisistaan.


Katso samankaltaiset syvälle sukellusartikkelit alla olevista linkeistä:

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Onko nykyaikainen AWPer todella liian passiivinen?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Milloin Counter-Strike-pelaajat saavuttavat huippunsa?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Asiantuntijalausunto: Ikä ja motivaatio Counter-Strikessa

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Miksi nykyaikaiset IGL:t ovat niin aggressiivisia?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Onko tupla-AWP sen arvoinen?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Keitä ovat CS:GOn karttaasiantuntijat?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Mitkä ovat CS:GO:n helpoimmat ja vaikeimmat CT-asennot?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Mitkä ovat CS:GO:n helpoimmat ja vaikeimmat T-puoliset paikat?

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Yhdistimme nykyiset ja entiset akatemian pelaajat heidän huipputason kaksoispelaajiinsa

Katsaus PlatoBlockchain Data Intelligencen epäjohdonmukaisuuteen. Pystysuuntainen haku. Ai.

Lue lisää

Pitäisikö listalle antaa enemmän aikaa?

Aikaleima:

Lisää aiheesta HLTV