Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Een blik op inconsistentie

De aard van elke sport is dat consistentie boven alles gaat. Het plafond van een speler wordt irrelevant als hij dit niet kan bereiken op het moment dat zijn team hem het meest nodig heeft. De grootste spelers aller tijden hebben hoge plafonds, maar het is hun vloer die hen echt doet opvallen. De meeste spelers van niveau één hebben 30 bommen laten vallen; veel minder hebben meer dan 20 kaarten op rij samengevoegd boven een beoordeling van 1.00.

En het zijn de spelers die plafonds hebben die even hoog zijn als de beste van het spel, maar die verdieping niet hebben, die zo frustrerend zijn. Onze oogtesten onthouden hun beste games, maar niet hun gemiddelde games. In plaats van te worden versierd met MVP's, worden deze spelers gedegradeerd om te winnen, bestempeld als warm en koud, als inconsistente spelers.

De belangrijkste onder deze spelers is Kristian "⁠K0nfig⁠" Wienecke. De Astralis entry fragger heeft evenzeer verblind als teleurgesteld. Dat hij de CS:GO-record voor moorden in de regelgeving, 47-21 tegen Renegades in 2018, laat het plafond zien dat hij kan bereiken. In deze herhaling van Astralis, het is hij en Benjamin "⁠BlameF⁠" Bremer die toch voor de sterrenkracht moeten zorgen k0nfig heeft deze verwachtingen niet waargemaakt. Zijn talent was duidelijk aanwezig, zoals altijd, maar consistentie is hem ontgaan.

Dus het verhaal gaat hoe dan ook. Maar is het wel eerlijk? Kunnen we op een eerlijke en objectieve manier de inconsistentie van een speler meten? Laten we het uitzoeken, met behulp van statistieken van LAN in 2022.

Om de zaken op gang te brengen, beginnen we met een basismeting van de consistentie van kaart tot kaart: welk percentage kaarten een speler eindigt boven een beoordeling van 1.00. Het gemiddelde voor onze steekproef is iets meer dan 55%, dus al deze spelers vallen boven en buiten het peloton.

Dit is echter verre van perfect. Een beoordeling van 1.01 kan voor een gemiddelde speler een succesvolle wedstrijd zijn, maar voor een sterspeler of primaire AWPer kan dit de kansen van zijn team om de wedstrijd te winnen zelfs schaden.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Om te zien hoeveel een speler fluctueert ten opzichte van zijn eigen gemiddelde beoordeling, is er een beetje wiskundig jargon. We gebruiken de standaarddeviatie, een maatstaf voor de variantie. Kortom, hoe lager de standaardafwijking, hoe meer de kaarten van een speler rond hun gemiddelde beoordeling clusteren. Een hoge standaarddeviatie zou daarom op een niveau van inconsistentie moeten wijzen.

k0nfigInteressant genoeg staat hij niet in de lijst van de acht beste spelers met de hoogste standaarddeviatie, en staat hij op een gelijke 17e plaats met een standaarddeviatie van 0.327. De spelers die wel op de lijst staan, zijn echter van zijn soort. Vladislav "⁠Nafany⁠" Gorsjkov wordt tweede met 0.377, een andere speler die onder vuur ligt vanwege zijn inconsistentie.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

De gemiddelde beoordeling op de tabel verschilt van de algemene beoordeling die je op spelersprofielen ziet, omdat het een gemiddelde beoordeling per kaart is, in plaats van per ronde

Zijn hoge standaarddeviatie laat zien waarom Cloud9 waren zo dodelijk bij IEM Dallas, toen nafanie was in een gloeiend hete vorm, met een gemiddelde van 1.14 (17 punten hoger dan de zijne). jaargemiddelde).

Maar zelfs binnen dat evenement nafanie's hoogtepunten en dieptepunten waren verbluffend verschillend. Kaarten zoals 2.03 beoordelingen tegen ENCE in de finale en 2.16 in poules tegen Ninjas in pyjama's waren nog steeds gekoppeld aan 0.84 op kaart één tegen BIG en 0.79 en 0.91 beoordelingen in twee van de drie kaarten tegen faze.

Het verhaal is hetzelfde voor veel van de spelers op deze lijst. Fredrik "⁠REZ⁠" sterner is een andere speler die als inconsistent kan worden bestempeld, en deze maatstaf lijkt dat te bevestigen. Yuri "⁠Yuurih⁠" Santos heeft in 2022 moeilijke periodes doorstaan ​​voor hun normen, terwijl Andrew "⁠ArT⁠" Piovézan is nog agressiever dan nafanie.

ZIJN Nikola "⁠NiKo⁠" Kovač heeft zo'n hoge beoordeling en hoge standaardafwijking, wat ook zeer illustratief is voor zijn jaar; zijn pieken waren net zo goed als altijd, maar er zijn momenten geweest waarop G2 hadden meer van hun sterman kunnen gebruiken.

In NIKOIn dit geval kunnen we een kleine fout zien in het gebruik van de standaarddeviatie. Als de gemiddelde kaart-voor-kaart-beoordeling van een speler 1.26 is, is het dan echt eerlijk om hem inconsistent te noemen? Neem dit spreidingsdiagram, waarin de gemiddelde beoordeling van een speler wordt vergeleken met zijn standaarddeviatie.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

aansluiting NIKO in de hoek met hoge variantie en hoge beoordeling van de kaart bevindt zich Dmitry "⁠Sh1ro⁠" Sokolov, Mathieu "⁠ZywOo⁠" Herbaut en Oleksandr "⁠S1mple⁠" Kostyliev. Dit doet alarmbellen rinkelen als we deze metriek willen gebruiken om inconsistentie vast te stellen. Voor deze spelers 'wijken' ze af van hun gemiddelde omdat ze zo vaak carry-maps posten. Een rating van 2.00 is maar liefst 0.80 lager dan de gemiddelde rating van één van deze spelers, maar wordt op dezelfde manier behandeld als een rating van 0.60 voor 'inconsistentie' volgens de standaarddeviatie.

Wat interessanter is, zijn de andere secties. Schutters houden ervan Keith "⁠NAF⁠" Markovic, Russell "⁠Twistzz⁠" Van Dulken en Sergey "⁠Ax1Le⁠" Rykhtorov combineer een lage standaardvariatie met een hoge beoordeling, wat aantoont dat ze consistent in en rond de 1.00-1.40 zitten op hun gespeelde kaarten. Audiric "⁠JACKZ⁠" Kruik is de speler met de laagste standaarddeviatie van slechts 0.24 en een vrij laag gemiddelde van 0.96; hij zat dit jaar statistisch gezien consequent onder het gemiddelde.

Deze vergelijking werkt ook voor spelers met een hoge variantie en lage beoordelingen Alexander "⁠mopoz⁠" Fernandez-Quejo Cano, kunst, Dan "⁠ApEX⁠" Madesclaire en nafanie in de buurt van waar we verwachtten: ultra-agressieve, X-factor, geweren. Toch zullen we voor de allerbeste spelers een andere oplossing nodig hebben: de aanwezigheid van s1mple en ZywOo in de rechterbovenhoek bewijst dat de standaardafwijking op zichzelf niet goed genoeg is om een ​​speler als inconsistent te bestempelen.

Eén oplossing is om spelers te rangschikken op basis van hun verdieping, hun slechte kaarten, in plaats van hun goede. Om dit te doen gebruiken we dit jaar het eerste kwartiel, oftewel het 25e percentiel, van de kaarten van een speler op LAN. Het 25e percentiel is een neef van het mediaangemiddelde, behalve waar de mediaan de middelste waarde van een geordende lijst is; het 25e percentiel (in statistieken vaak Q1 genoemd) is een kwart van de weg. Voor het gemak: als we hier de term 'vloer' gebruiken, bedoelen we het 25e percentiel van een speler.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Nu zien we de namen die door de standaardafwijking oneerlijk werden behandeld in een ander licht. De vloer voor s1mple is een beoordeling van 1.08, voor ZywOo 1.06, en NIKO 1.01. Lokkers Ax1Le, NAF en blameF staan ​​ook in de top tien, misschien gedeeltelijk vanwege hun rol waardoor ze zowel de verliezen als de overwinningen van hun team kunnen verdelen.

Dit laat ons zien wie de meest consistente spelers zijn, maar hoe zit het met inconsistente spelers? Als we alleen maar kijken naar de spelers met de laagste verdieping, krijgen we zoiets als epitache "⁠TACO⁠" de Melo (0.64) Richard "⁠Shox⁠" vlinder (0.67) en Rasmus "⁠HooXi⁠" Nielsen (0.69). Toch duidt dit op zichzelf niet op inconsistentie, aangezien al deze spelers behoorlijk slechte gemiddelde beoordelingen hadden.

Om de inconsistente spelers te vinden, hebben we onze wiskundeboeken op de middelbare school opnieuw nodig. Door de bodem (25e percentiel) af te trekken van het plafond (75e percentiel: hetzelfde als voorheen, driekwart van een geordende lijst doorlopen) krijgen we iets dat een interkwartielbereik (IQR) wordt genoemd. Dit is, net als de standaarddeviatie, een manier om variantie te meten (beschouw het als het verschil tussen de goede en slechte kaarten van een speler) en zou voor onze doeleinden nuttiger moeten zijn.

Hier is een grafische uitleg van dezelfde statistiek. Elke balk is er één van k0nfig's kaarten op LAN in 2022, gerangschikt van laag naar hoog. Q1 is een kwart van de looptijd, Q2 twee kwartalen en Q3 driekwart. Vervolgens trekken we Q1 af van Q3 om ons de IQR te geven.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Nu dat is uitgelegd, zijn hier de spelers met het hoogste IQR:

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

NIKO is weer te zien, mede dankzij zijn belachelijk hoge plafond, iets sh1ro heeft er ook last van. Valeriy "⁠b1t⁠" Vachovskiy en Lotan "⁠Spinx⁠" Giladi hadden een heel goed 2022 en deelden een gemiddelde beoordeling van 1.15, maar staan ​​behoorlijk hoog op deze lijst. Spinx had eigenlijk een redelijk goede beoordeling van 0.98 als zijn vloer; zijn hoge IQR is het resultaat van zijn ratingplafond van 1.45, een enorme 0.30 hoger dan zijn gemiddelde rating. Dit plaatst hem in hetzelfde kamp als NIKO (plafond van 1.50), een vergelijking die al eerder is gemaakt en met goede reden.

IQR is beter dan de standaardafwijking, maar we bekijken nog steeds cijfers zonder hun volledige context. Om dat op te lossen, is hier een spreidingsdiagram dat de verdiepingen van een speler en het plafond visualiseert. De grootte van de stip van elke speler komt overeen met hun interkwartielbereik, wat zou moeten helpen dit verder in beeld te brengen. Uiteraard is er veel correlatie tussen vloer en plafond, maar er zijn nog steeds aandachtspunten bij de spelers die zich onderscheiden van de trendlijn.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

De spelers in de oranje en groene bubbels hebben hogere plafonds dan verdiepingen, terwijl die in de rode en gele bubbels omgekeerd zijn. Nu vinden spelers het leuk NIKO en sh1ro worden beloond voor hun hoge plafonds en worden in de groene bubbel van consistent goede spelers geplaatst. Helemaal rechtsboven in het diagram worden ook de verschillen tussen beide geïllustreerd Ax1Le en NAF, twee spelers met een zeer vergelijkbare standaarddeviatie en IQR, met de Cloud9 man veel verder naar boven en rechts dan NAF.

Verder naar links hebben we de belangrijkste 'inconsistente' oranje bubbel: de spelers met hoge plafonds maar redelijk lage verdiepingen. De meerderheid van deze spelers heeft passend oranje stippen, wat aangeeft dat ze agressieve schutters zijn (met meer dan 20% openingsdoden aan de T-kant), wat heel logisch is. Deze spelers kunnen op een goede dag een rating behalen met krachtige toegangsfragmenten en multi-kills. Op hun slechte dagen daalt hun overlevingspercentage echter, waardoor ze in de rode cijfers komen te staan.

Boris "⁠Magixx⁠" Vorobiev is hier enigszins verrassend de grootste uitschieter. Op zijn goede dagen wordt hij even hoog gewaardeerd als b1t en Mareks "⁠YEKINDAR⁠" Gaļinski's maar hij heeft een verdieping lager dan Andreas '⁠Xyp9x⁠' Højsleth. Je bij hem voegen is meer van wie je zou verwachten: nafanie, Hampus "⁠Hampus⁠" moeilijke vraag, Fredrik "⁠RoeJ⁠" Jorgensen en Michael "⁠Grim⁠" Huiveren zijn allemaal agressieve X-factoren in plaats van consistente krachten. Asger "⁠Farlig⁠" Jensen is de AWPer met de laagste verdieping in onze steekproef, wat past bij het verhaal rond de Deen.

Hier hebben we drie verschillende manieren gepresenteerd om naar inconsistentie te kijken: standaarddeviatie, interkwartielbereik en de 'oranje zone' in ons spreidingsdiagram (de spelers met een lage beoordeling op slechte kaarten, maar een sterke op hun goede dagen). Ze hebben allemaal hun tekortkomingen als ze afzonderlijk worden gebruikt, dus laten we nu de verschillende methoden combineren voor een formule voor 'inconsistentiebeoordeling'.

Samenvattend houden we rekening met:

— Percentage kaarten met een beoordeling van 1.00+
- Standaardafwijking
— Interkwartielbereik (Q3-Q1)
— Verschil tussen het gemiddelde van een speler en de vloer (Q2-Q1)
— Verschil tussen het gemiddelde en het plafond van een speler (Q3-Q2)

Hier is een lijst met spelers met de hoogste inconsistentiebeoordeling, om de meest 'inconsistente' spelers weer te geven. Bedenk echter dat dit consistentie is vergeleken met de gemiddelde beoordeling van een speler; deze spelers zitten consistent rond hun gemiddelde, maar zijn niet altijd goed. Slechts ongeveer 20% van de formule houdt verband met statistisch gezien een 'goede' speler zijn, in die zin dat spelers een inconsistentiebeoordeling krijgen omdat ze een laag percentage kaarten boven de 1.00 hebben.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Terwijl k0nfig is afwezig – en b1t is zelden beschuldigd van inconsistentie op bureaus – de lijst als geheel lijkt overeen te komen met de oogtest en de verhalen van de gemeenschap. nafanie, mopoz en top Het zijn allemaal archetypen van de explosieve maar inconsistente spelers die in dit stuk naar voren zijn gekomen, precies hetzelfde archetype k0nfig is onderdeel van.

Hebben we de grote ‘inconsistentie’-vraag opgelost? Een beetje – maar er zijn nog steeds gaten. En zoals we in de inleiding al zeiden: een goede consistentie zal 99% van de professionele spelers ontgaan. Het verhaal rond k0nfig en REZ inconsistent zijn is waarschijnlijk gebaseerd op het idee dat deze spelers moet wees consistent, gezien hun duidelijke talent en mechanische vaardigheid bij de oogtest.

Als we echter naar een grotere steekproef kijken, kunnen we zien dat de overgrote meerderheid van de geweerschutters met hetzelfde probleem kampt. NIKO Eind 2021 had hij drie maanden waarin hij net zo goed was als wie dan ook ter wereld – zelfs de AWPers. Maar nu is hij teruggevallen in ‘slechts’ de beste schutter ter wereld. Wanneer we de lijst omdraaien om ons de minst inconsistente spelers te geven, is het een verzameling AWPers en ondersteunende, meer passieve schutters.

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

In een game die zo moeilijk is als CS:GO zijn off-days en slechte patches onvermijdelijk. Maar het is duidelijk dat sommige spelers betere vrije dagen hebben dan andere. En zoals we in de inleiding al zeiden, maakt dit alleen de spelers die op slechte dagen 1.00+ beoordelingen kunnen scoren waardevoller, vooral degenen die veel openingsduels spelen, zoals Ax1Le en NIKO.

Het probleem is dat deze twee spelers de enige agressieve schutters zijn die dit jaar tot nu toe een verdieping hoger dan 1.00 op LAN hebben neergezet. Slechts acht anderen slaagden daarin – vijf van hen waren primaire AWPers – wat een klein deel is van de professionele spelersbasis. Echte consistentie op hoog niveau is het eldorado van elke sport, en Counter-Strike is niet anders.


Bekijk de onderstaande links voor vergelijkbare deep-dive-artikelen:

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Is de moderne AWPer echt te passief?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Wanneer pieken Counter-Strike-spelers?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Expertise: leeftijd en motivatie in Counter-Strike

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Waarom zijn moderne IGL's zo agressief?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Is dubbele AWPing de moeite waard?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Wie zijn de kaartspecialisten van CS:GO?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Wat zijn de gemakkelijkste en moeilijkste CT-posities van CS:GO?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Wat zijn de gemakkelijkste en moeilijkste T-zijdige posities van CS:GO?

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

We hebben huidige en voormalige academiespelers gekoppeld aan hun beste dubbelgangers

Een blik op inconsistentie PlatoBlockchain Data Intelligence. Verticaal zoeken. Ai.

Lees meer

Moeten roosters meer tijd krijgen?

Tijdstempel:

Meer van HLTV