Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Melihat inkonsistensi

Sifat dari olahraga apa pun adalah konsistensi mengalahkan segalanya. Batasan pemain dianggap tidak relevan jika mereka tidak dapat mencapainya saat tim sangat membutuhkannya. Pemain terhebat sepanjang masa memiliki langit-langit yang tinggi, tetapi lantai merekalah yang benar-benar membuat mereka menonjol. Kebanyakan pemain tingkat satu telah menjatuhkan 30 bom; jauh lebih sedikit yang merangkai 20+ peta berturut-turut di atas peringkat 1.00.

Dan para pemain yang memiliki batas tertinggi dalam permainan tetapi tidak memiliki batas tersebutlah yang membuat frustrasi. Tes mata kami mengingat permainan terbaik mereka tetapi tidak mengingat permainan rata-rata. Alih-alih berhiaskan MVP, pemain-pemain tersebut malah terdegradasi ke kondisi juara, dicap panas-dingin, sebagai pemain yang tidak konsisten.

Yang paling utama di antara para pemain ini adalah Kristian “⁠K0nfig⁠” Wieneke. itu Astralis entry fragger telah mempesona sekaligus mengecewakannya. Bahwa dia memegang CS: Rekor GO untuk pembunuhan dalam regulasi, dengan skor 47-21 melawan Renegades pada tahun 2018, menunjukkan batas atas yang bisa dia capai. Dalam iterasi ini Astralis, itu dia dan Benyamin “⁠BlameF⁠” Bremer yang seharusnya memberikan kekuatan bintang k0nfig telah jauh dari harapan tersebut. Bakatnya sudah terlihat jelas, seperti biasanya, namun konsistensi masih luput dari perhatiannya.

Begitulah narasinya. Tapi apakah ini adil? Bisakah kita, secara adil dan obyektif, mengukur inkonsistensi seorang pemain? Mari kita cari tahu menggunakan statistik dari LAN pada tahun 2022.

Untuk memulai, kita akan mulai dengan ukuran dasar konsistensi peta-ke-peta: Berapa persentase peta yang diselesaikan pemain di atas peringkat 1.00. Rata-rata untuk sampel kami hanya di atas 55%, jadi semua pemain ini berada di atas dan melampaui kelompok tersebut.

Namun, hal ini masih jauh dari sempurna. Peringkat 1.01 mungkin merupakan pertandingan yang sukses bagi pemain rata-rata, namun bagi pemain bintang atau AWPer utama, hal tersebut mungkin justru merugikan peluang timnya untuk memenangkan pertandingan.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Untuk melihat seberapa besar fluktuasi pemain dibandingkan dengan rating rata-ratanya, ada sedikit jargon matematika. Kami akan menggunakan standar deviasi, yang merupakan ukuran varians. Pada dasarnya, semakin rendah deviasi standarnya, semakin banyak peta pemain yang mengelompok di sekitar peringkat rata-ratanya. Oleh karena itu, deviasi standar yang tinggi seharusnya menunjukkan tingkat inkonsistensi.

k0nfig, menariknya, tidak masuk dalam daftar delapan pemain teratas dengan standar deviasi tertinggi, berada di urutan ke-17 dengan standar deviasi 0.327. Namun, para pemain yang masuk dalam daftar tersebut adalah pemain sejenisnya. Vladislav “⁠Nafany⁠” Gorshkov menempati posisi kedua dengan 0.377, pemain lain yang mendapat kecaman karena inkonsistensinya.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Peringkat rata-rata pada tabel berbeda dari peringkat keseluruhan yang Anda lihat di profil pemain karena ini adalah peringkat rata-rata per peta, bukan per putaran

Standar deviasinya yang tinggi menunjukkan alasannya Cloud9 sangat mematikan di IEM Dallas, ketika nafany berada dalam performa terbaiknya, dengan rata-rata rating 1.14 (17 poin lebih tinggi dari miliknya rata-rata sepanjang tahun).

Bahkan dalam acara itu sekalipun, nafanytertinggi dan terendah sangat berbeda. Peta menyukai peringkat 2.03 ENCE di final dan 2.16 di grup melawan Ninja di Pajamas masih ditambah dengan 0.84 di peta satu melawan BIG dan peringkat 0.79 dan 0.91 di dua dari tiga peta yang berlawanan Mengganggu.

Ceritanya sama untuk banyak pemain di daftar ini. Fredrick REZ⁠ buritan adalah pemain lain yang diberi label sebagai pemain yang tidak konsisten, dan metrik ini tampaknya membuktikan hal tersebut. Yuri "⁠Yuurih⁠" Santos telah mengalami masa-masa sulit pada tahun 2022 untuk standar mereka, sementara itu Andrew “⁠ArT⁠” Piovezan bahkan lebih agresif dari nafany.

Bahwa Nikola “⁠NiKo⁠” Kovač memiliki rating yang tinggi dan standar deviasi yang tinggi juga sangat menggambarkan tahunnya; puncaknya tetap bagus seperti biasanya, tetapi ada kalanya G2 bisa menggunakan lebih banyak dari pemain bintang mereka.

In NiKoDalam kasus ini, kita dapat melihat sedikit kesalahan dalam penggunaan standar deviasi. Jika rata-rata peringkat peta demi peta seorang pemain adalah 1.26, apakah adil jika menyebut mereka tidak konsisten? Ambil contoh scatterplot ini, yang membandingkan rata-rata rating pemain dengan deviasi standarnya.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Bergabung NiKo di sudut peta dengan varian tinggi dan peringkat tinggi Dmitry “⁠Sh1ro⁠” Sokolov, Mathieu “⁠ZywOo⁠” Herbaut, dan Oleksandr “⁠S1mple⁠” Kostyliev. Ini mengingatkan kita jika kita ingin menggunakan metrik ini untuk membangun inkonsistensi. Bagi para pemain ini, mereka 'menyimpang' dari maksudnya karena mereka terlalu sering memposting peta bawaan. Peringkat 2.00 sama dengan 0.80 dari salah satu peringkat rata-rata para pemain ini, namun diperlakukan sama dengan peringkat 0.60 untuk 'inkonsistensi' berdasarkan deviasi standar.

Yang lebih menarik adalah bagian lainnya. Penembak suka Keith “⁠NAF⁠” Markovic, Russell “⁠Twistzz⁠” Van Dulken dan Sergey “⁠Ax1Le⁠” Rykhtorov memasangkan variasi standar rendah dengan peringkat tinggi, menunjukkan bahwa variasi tersebut secara konsisten berada di dalam dan sekitar angka 1.00-1.40 pada peta yang dimainkan. audric “⁠JACKZ⁠” Kendi adalah pemain dengan standar deviasi terendah hanya 0.24 serta rata-rata yang cukup rendah yaitu 0.96; dia secara konsisten berada di bawah rata-rata secara statistik tahun ini.

Perbandingan ini juga berlaku untuk pemain dengan varian tinggi dan peringkat rendah Alexander “⁠mopozo” Fernández-Quejo Cano, seni, Dan “⁠ApEX⁠” Madesclaire dan nafany ditempatkan di dekat tempat yang kami harapkan: Senapan ultra-agresif, faktor X. Namun, kita memerlukan solusi berbeda untuk para pemain terbaik: Kehadiran S1mple dan ZywOo di kanan atas membuktikan bahwa deviasi standar tidak cukup baik untuk menyebut pemain sebagai inkonsisten.

Salah satu solusinya adalah memberi peringkat pemain berdasarkan jenis kelaminnya, peta buruknya, dan bukan berdasarkan peta bagusnya. Untuk melakukan hal ini kita akan menggunakan kuartil pertama, atau persentil ke-25, dari peta pemain tahun ini di LAN. Persentil ke-25 adalah sepupu dari rata-rata median, kecuali jika median adalah nilai tengah dari daftar yang diurutkan, persentil ke-25 (sering disebut Q1 dalam statistik) adalah seperempat dari keseluruhan nilai. Untuk memudahkan, ketika kita menggunakan istilah “floor” dari sini kita mengacu pada persentil ke-25 pemain.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Sekarang, kita melihat nama-nama yang standar deviasinya diperlakukan secara tidak adil dari sudut pandang yang berbeda. Lantai untuk S1mple adalah peringkat 1.08, untuk ZywOo 1.06, dan NiKo 1.01. Pengintai kapak1le, NAF, dan salahkan juga berada di sepuluh besar, mungkin sebagian karena peran mereka yang memungkinkan mereka membagi kekalahan dan kemenangan tim mereka.

Ini menunjukkan kepada kita siapa pemain yang paling konsisten, tapi bagaimana dengan yang tidak konsisten? Jika kita hanya melihat pemain dengan lantai paling bawah, kita mendapatkan suka Epitacio “⁠TACO⁠” de Melo (0.64) Richard “⁠Shox⁠” kupu-kupu (0.67) dan Rasmus “⁠HooXi⁠” Nielsen (0.69). Namun, hal ini bukan berarti tidak konsisten, karena semua pemain tersebut mempunyai rating rata-rata yang sangat buruk.

Untuk menemukan pemain yang tidak konsisten, kami memerlukan buku pelajaran matematika sekolah menengah lagi. Dengan mengurangkan batas bawah (persentil ke-25) dari batas atas (persentil ke-75: Sama seperti sebelumnya, dengan menelusuri tiga perempat dari daftar yang diurutkan) kita mendapatkan sesuatu yang disebut rentang antar-kuartil (IQR). Ini, seperti deviasi standar, adalah cara untuk mengukur varians — anggap saja ini sebagai perbedaan antara peta pemain yang baik dan buruk — dan seharusnya lebih berguna untuk tujuan kita.

Berikut penjelasan grafis dari stat yang sama. Setiap bar adalah salah satu dari k0nfigpeta pada LAN tahun 2022, disusun dari terendah hingga tertinggi. Q1 sudah selesai seperempatnya, Q2 dua perempatnya, dan Q3 tiga perempatnya. Lalu kita kurangi Q1 dari Q3 untuk menghasilkan IQR.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Berikut adalah pemain dengan IQR tertinggi:

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

NiKo sekali lagi ditampilkan, sebagian lagi berkat langit-langitnya yang sangat tinggi, sesuatu sh1ro juga menderita. Valeriy “b1t⁠” Vakhovsky dan lotan “⁠Spinx⁠” Giladi memiliki tahun 2022 yang sangat bagus, dengan nilai rata-rata 1.15, tetapi mereka berada di posisi teratas dalam daftar ini. spinx sebenarnya memiliki peringkat 0.98 yang cukup bagus sebagai lantainya; IQR-nya yang tinggi disebabkan oleh batas maksimum ratingnya yang sebesar 1.45, 0.30 lebih tinggi dari rating mediannya. Ini menempatkan dia di kubu yang sama dengan NiKo (batas 1.50), perbandingan yang telah dibuat sebelumnya dan untuk alasan yang baik.

IQR lebih baik daripada deviasi standar, namun kami masih melihat angka tanpa konteks lengkapnya. Untuk mengatasinya, berikut adalah diagram sebar yang memvisualisasikan lantai pemain sekaligus langit-langitnya. Ukuran titik masing-masing pemain sesuai dengan rentang antar kuartilnya, yang akan membantu menggambarkan hal ini lebih jauh. Tentu saja, ada banyak korelasi antara batas bawah dan batas atas, namun masih ada titik menarik pada pemain yang menonjol dari garis tren.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Pemain di gelembung oranye dan hijau memiliki langit-langit yang lebih tinggi daripada lantai, sedangkan pemain di gelembung merah dan kuning memiliki sebaliknya. Sekarang, para pemain menyukainya NiKo dan sh1ro diberi penghargaan atas langit-langit tinggi mereka, ditempatkan dalam gelembung hijau berisi pemain-pemain bagus yang konsisten. Bagian paling kanan atas grafik juga menggambarkan perbedaan antara keduanya kapak1le dan NAF, dua pemain yang memiliki standar deviasi dan IQR yang sangat mirip, dengan Cloud9 manusia lebih jauh ke atas dan ke kanan daripada NAF.

Lebih jauh ke kiri, kita memiliki gelembung oranye utama yang 'tidak konsisten' — para pemain yang memiliki langit-langit tinggi tetapi lantai cukup rendah. Mayoritas pemain ini memiliki titik oranye, menunjukkan bahwa mereka adalah penembak yang agresif (dengan lebih dari 20% upaya pembunuhan pembuka di sisi T) yang sangat masuk akal. Para pemain ini, pada hari yang baik, dapat melakukan farming rating dengan entry frag yang berdampak tinggi dan multi-kill. Namun, pada hari-hari buruk, tingkat kelangsungan hidup mereka menurun, membuat mereka berada di zona merah.

Boris “⁠Magixx⁠” Vorobyov adalah pencilan terbesar di sini, yang agak mengejutkan. Pada hari-hari baiknya dia dinilai setinggi-tingginya b1t dan Mareks “⁠YEKINDAR⁠” Gaļinski tapi dia memiliki lantai lebih rendah dari Andreas “⁠Xyp9x⁠” Hjsleth. Bergabung dengannya lebih dari yang Anda harapkan: nafany, Hampus “⁠Hampus⁠” Masalah sulit, Fredrick “⁠RoeJ⁠” Jrgensen, dan Michael “⁠Suram⁠” Menggerenyet semuanya merupakan faktor X yang agresif dan bukan kekuatan yang konsisten. Asger “⁠Farlig” Jensen adalah AWPer dengan tingkat terendah dalam sampel kami, yang sesuai dengan narasi seputar orang Denmark.

Di sini, kami telah menyajikan tiga cara berbeda untuk melihat ketidakkonsistenan: deviasi standar, rentang antar-kuartil, dan 'zona oranye' dalam plot sebar kami (pemain dengan rating rendah di peta buruk namun kuat di hari baik). Semua metode memiliki kekurangan jika digunakan secara terpisah, jadi sekarang mari kita gabungkan metode-metode yang berbeda untuk mendapatkan rumus 'peringkat inkonsistensi'.

Singkatnya, kami memperhitungkan:

— Persentase peta dengan peringkat 1.00+
— Deviasi standar
— Rentang antar kuartil (Q3-Q1)
— Perbedaan antara rata-rata dan lantai pemain (Q2-Q1)
— Perbedaan antara rata-rata dan batas atas pemain (Q3-Q2)

Berikut daftar pemain dengan rating inkonsistensi tertinggi, untuk memberikan pemain paling 'tidak konsisten'. Namun perlu diingat bahwa ini adalah konsistensi dibandingkan dengan rating rata-rata seorang pemain; para pemain ini secara konsisten berada di kisaran rata-rata, tidak selalu bagus. Hanya sekitar 20% dari rumus yang terkait dengan menjadi pemain 'baik' secara statistik, di mana pemain diberikan peringkat inkonsistensi karena memiliki persentase peta yang rendah di atas 1.00.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Sementara k0nfig tidak ada — dan b1t jarang dituduh melakukan inkonsistensi – daftar tersebut secara keseluruhan tampaknya sesuai dengan pengamatan dan narasi komunitas. nafany, mopoz dan puncak semuanya adalah arketipe dari pemain yang eksplosif namun tidak konsisten yang muncul di seluruh bagian ini, arketipe yang sama k0nfig bagian dari.

Jadi, sudahkah kita memecahkan pertanyaan 'inkonsistensi' yang besar ini? Semacam - tapi masih ada lubang. Dan, seperti yang kami katakan di bagian pendahuluan, konsistensi yang tepat akan luput dari perhatian 99% pemain profesional. Narasi di sekitar k0nfig dan TANAH menjadi tidak konsisten mungkin didasarkan pada gagasan bahwa para pemain ini harus konsisten, mengingat bakat dan keterampilan mekanik mereka yang jelas pada tes mata.

Namun, jika kita melihat sampel yang lebih besar, kita dapat melihat bahwa sebagian besar penembak mengalami masalah yang sama. NiKo memiliki waktu tiga bulan di penghujung tahun 2021 di mana dia sama baiknya dengan siapa pun di dunia — bahkan AWPer. Namun kini, ia kembali 'hanya' menjadi penembak jitu terbaik di dunia. Saat kami membalik daftar untuk memberi kami pemain yang paling tidak konsisten, itu adalah kumpulan AWPer dan penembak yang suportif dan lebih pasif.

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Dalam game sesulit CS:GO, hari libur dan patch buruk tidak bisa dihindari. Namun, jelas bahwa beberapa pemain memiliki hari libur yang lebih baik dibandingkan yang lain. Dan, seperti yang kami katakan di pendahuluan, ini hanya membuat pemain yang dapat memberikan peringkat 1.00+ di hari buruk menjadi lebih berharga, terutama mereka yang sering melakukan duel pembuka seperti kapak1le dan NiKo.

Masalahnya adalah kedua pemain tersebut adalah satu-satunya penembak agresif yang telah memasang level lebih tinggi dari 1.00 di LAN sepanjang tahun ini. Hanya delapan orang lainnya yang berhasil mencapai prestasi tersebut — lima di antaranya adalah AWPer utama — yang merupakan sebagian kecil dari basis pemain profesional. Konsistensi sejati di level tinggi adalah El Dorado di setiap olahraga, begitu pula Counter-Strike.


Untuk artikel mendalam serupa, lihat tautan di bawah ini:

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Apakah AWPer modern benar-benar terlalu pasif?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Kapan pemain Counter-Strike mencapai puncaknya?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Pendapat ahli: Usia dan motivasi dalam Counter-Strike

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Mengapa IGL modern begitu agresif?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Apakah AWPing ganda sepadan?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Siapa pakar peta CS:GO?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Apa posisi CT termudah dan tersulit CS:GO?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Apa posisi sisi-T CS:GO yang paling mudah dan paling sulit?

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Kami memasangkan pemain akademi saat ini dan mantan dengan doppelgänger tingkat atas mereka

Sekilas tentang inkonsistensi PlatoBlockchain Data Intelligence. Pencarian Vertikal. Ai.

Baca lebih lanjut

Haruskah daftar nama diberikan lebih banyak waktu?

Stempel Waktu:

Lebih dari HLTV