看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

看不一致

任何运动的本质都是一致性胜过一切。 如果球员在球队最需要他们的时候无法达到上限,那么他的上限就变得无关紧要了。 有史以来最伟大的球员都有很高的天花板,但真正让他们脱颖而出的是他们的地板。 大多数一级玩家投下了 30 颗炸弹; 连续 20 多张地图评分高于 1.00 的人要少得多。

那些拥有与游戏中最好水平一样高的上限但缺乏底线的球员才是如此令人沮丧。 我们的视力测试会记住他们最好的比赛,但不会记住他们的平均比赛。 这些球员并没有获得 MVP,而是被降级为胜利条件,被贴上忽冷忽热、不稳定的球员的标签。

这些玩家中的佼佼者是 克里斯蒂安 “⁠k0nfig⁠” 维内克。 该 Astralis 入门弗拉格令人眼花缭乱,也令人失望。 他持有 反恐精英:全球攻势记录 47 年对阵 Renegades 的常规击杀数为 21 胜 2018 负,这表明了他可以达到的上限。 在本次迭代中 Astralis,是他和 本杰明 “⁠责备F⁠” 布雷默 应该提供星力,但是 k0nfig 没有达到这些期望。 他的天赋一如既往地显而易见,但他却缺乏一致性。

无论如何,叙述是这样的。 但这公平吗? 我们能公平客观地衡量球员的不一致吗? 让我们使用 2022 年 LAN 的统计数据来找出答案。

首先,我们将从地图间一致性的基本衡量标准开始:玩家完成评分高于 1.00 的地图所占的百分比。 我们样本的平均值刚刚超过 55%,因此所有这些玩家都表现出色。

然而,这远非完美。 对于普通玩家来说,1.01 的评分可能是一场成功的比赛,但对于明星玩家或主要 AWPer 来说,这实际上可能会损害他们球队赢得比赛的机会。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

要了解一名玩家与自己的平均评分相比的波动程度,需要用到一些数学术语。 我们将使用标准差,它是方差的度量。 基本上,标准差越低,玩家的地图就越集中在他们的平均评分周围。 因此,高标准差应该表明存在一定程度的不一致。

k0nfig有趣的是,他并没有进入标准差最高的前八名球员名单,以 17 标准差并列第 0.327 位。 然而,进入名单的球员都是他的同类。 弗拉季斯拉夫· “纳法尼” 戈尔什科夫 以 0.377 排名第二,他是另一位因不稳定而受到批评的球员。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

表格上的平均评分与您在玩家档案中看到的总体评分不同,因为它是每张地图的平均评分,而不是每轮的平均评分

他的高标准差说明了原因 Cloud9 在 IEM 达拉斯赛上如此致命 纳法尼 状态火热,场均评分1.14(比他高出17分) 全年平均).

即使在那次活动中, 纳法尼的高点和低点有着惊人的不同。 地图喜欢 2.03 评级 ENCE 决赛和2.16小组赛对阵 忍者在睡衣 在第一张地图上仍然加上 0.84 三张地图中的两张的评分分别为 0.79 和 0.91 .

对于这份名单上的许多球员来说,故事都是一样的。 弗雷德里克 “⁠雷兹” 斯特纳 是另一个被贴上不稳定标签的球员,这个指标似乎证明了这一点。 尤里 “⁠尤里赫⁠” Santos 2022 年,他们的标准经历了艰难时期,同时 安德鲁 “⁠艺术⁠” 皮奥韦赞 甚至比 纳法尼.

那个 尼古拉 “⁠NiKo⁠” 科瓦奇 拥有如此高的评分和高标准差也非常说明他这一年; 他的巅峰一如既往,但也有过 G2 可以从他们的明星身上使用更多。

In 尼科在这个例子中,我们可以看到使用标准差的一个轻微缺陷。 如果一名玩家的每张地图平均评分为 1.26,那么称他们不一致真的公平吗? 以这个散点图为例,它将玩家的平均评分与其标准差进行比较。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

加入 尼科 在地图的高方差和高评级角落是 梅德 “⁠sh1ro⁠” 索科洛夫, 马蒂厄 “⁠ZywOo⁠” Herbaut阿列克 “⁠s1mple⁠” Kostyliev。 如果我们想使用这个指标来建立不一致,这就敲响了警钟。 对于这些玩家来说,他们“偏离”了自己的平均水平,因为他们经常发布进位图。 2.00 的评分与这些玩家之一的平均评分相差 0.80,但与标准差“不一致”的 0.60 评分相同。

更有趣的是其他部分。 步枪手喜欢 基思 “⁠NAF⁠” 马尔科维奇, 罗素 “⁠扭转⁠” 范杜肯谢尔盖· “⁠Ax1Le⁠” 雷克托罗夫 将低标准变化与高评分配对,表明他们在所玩地图中始终处于 1.00-1.40 标记附近。 奥黛丽克 “⁠杰克斯⁠” 是标准差最低的球员,仅为 0.24,平均值也相当低,为 0.96; 今年他的统计数据一直低于平均水平。

这种比较也适用于具有高方差和低评分的玩家, 亚历山大 “莫波兹” 费尔南德斯-克霍卡诺, 艺术, “⁠apEX⁠” Madesclaire纳法尼 接近我们预期的位置:超攻击性、X 因素、步枪。 然而,我们需要为最优秀的玩家提供不同的解决方案: s1mpleZywOo 右上角证明标准差本身不足以将球员标记为不一致。

一种解决方案是根据玩家的楼层、糟糕的地图而不是好的地图对玩家进行排名。 为此,我们将使用今年 LAN 上玩家地图的第一个四分位数,即第 25 个百分位数。 第 25 个百分位数与中位数平均值类似,但中位数是有序列表的中间值,第 25 个百分位数(在统计中通常称为 Q1)是四分之一。 为了方便起见,当我们从这里开始使用术语“下限”时,我们指的是玩家的第 25 个百分位。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

现在,我们以不同的角度看待那些受到标准差不公平对待的名字。 地板为 s1mple 评分为 1.08,对于 ZywOo 1.06和 尼科 1.01.潜伏者 轴1Le, NAFblameF 也跻身前十,部分原因可能是他们的角色让他们在球队的输球和胜利中都表现出色。

这向我们展示了谁是最稳定的球员,但是不稳定又如何呢? 如果我们只看楼层最低的玩家,我们会得到以下结果: 埃皮塔西奥 “⁠塔科⁠” 德梅洛 (0.64) 理查德 “Shox” 巴比 (0.67)和 拉斯穆斯 “⁠HooXi⁠” 尼尔森 (0.69)。 然而,这并不意味着其本身存在不一致,因为所有这些玩家的平均评分都相当糟糕。

为了找到不稳定的球员,我们将再次需要我们的高中数学教科书。 通过从上限(第 25 个百分位数:与之前相同,遍历有序列表的四分之三)减去下限(第 75 个百分位数),我们得到称为四分位数范围 (IQR) 的东西。 与标准差一样,这是一种衡量方差的方法 - 将其视为玩家好地图和坏地图之间的差异 - 并且应该对我们的目的更有用。

这是同一统计数据的图形解释。 每个栏都是其中之一 k0nfig2022 年 LAN 地图,从最低到最高排列。 Q1 是四分之一,Q2 是两季度,Q3 是四分之三。 然后我们从 Q1 中减去 Q3,得到 IQR。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

综上所述,以下是 IQR 最高的球员:

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

尼科 再次成为特色,部分再次感谢他高得离谱的天花板,一些东西 什1罗 也患有。 瓦列里· “⁠b1t⁠” 瓦霍夫斯基“⁠斯宾克斯⁠” Giladi 2022 年过得非常好,平均评分为 1.15,但发现自己在这份榜单上名列前茅。 Spinx 事实上,他的底线评分为 0.98,相当不错; 他的高 IQR 是由于他的评分上限为 1.45,比他的评分中位数高出 0.30。 这使他与 尼科 (1.50 上限),之前已经进行过比较并且有充分的理由。

IQR 优于标准差,但我们仍然在没有完整背景的情况下查看数字。 为了解决这个问题,这里有一个散点图,可以同时显示玩家的地板和天花板。 每个玩家点的大小对应于他们的四分位数范围,这应该有助于进一步描绘这一点。 当然,下限和上限之间存在很多相关性,但从趋势线中脱颖而出的参与者仍然存在一些兴趣点。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

橙色和绿色气泡中的玩家的天花板比地板高,而红色和黄色气泡中的玩家则相反。 现在,玩家喜欢 尼科什1罗 因其高上限而获得奖励,被置于始终优秀玩家的绿色泡泡中。 图表的右上角还说明了之间的差异 轴1LeNAF,两个标准差和 IQR 非常相似的玩家, Cloud9 男人比 NAF.

再左边,我们有主要的“不一致”橙色气泡——那些天花板很高但地板相当低的玩家。 这些玩家中的大多数都是适当的橙色圆点,表明他们是侵略性的步枪手(T 方有超过 20% 的开局击杀尝试),这很有意义。 这些玩家在天气好的时候,可以通过高影响力的入门碎片和多重杀戮来获得评级。 然而,在日子不好的时候,他们的生存率就会下降,导致他们陷入亏损。

鲍里斯 “⁠magixx⁠” 沃罗别耶夫 是这里最大的异常值,有点令人惊讶。 在他的好日子里,他的评价高达 1天马雷克斯 “⁠叶金达⁠” 加因斯基斯 但他的楼层低于 安德烈亚斯 “⁠Xyp9x⁠” 霍斯莱斯。 加入他的更多是你所期望的人: 纳法尼, 汉普斯 “⁠汉普斯⁠” 波塞尔, 弗雷德里克 “⁠roeJ⁠” 约根森Michael (中国) “⁠严峻⁠” 温斯 都是激进的 X 因素,而不是一致的力量。 阿斯格 “⁠法利格⁠” 詹森 是我们样本中楼层最低的狙击手,这符合丹麦人的叙述。

在这里,我们提出了三种不同的方法来看待不一致:标准差、四分位数范围以及散点图中的“橙色区域”(那些在糟糕地图中评分较低但在好日子里评分很高的玩家)。 单独使用时,它们都有各自的缺陷,所以现在让我们将不同的方法结合起来,形成“不一致评级”公式。

回顾一下,我们正在考虑:

— 评级为 1.00 以上的地图百分比
— 标准差
— 四分位数范围 (Q3-Q1)
— 球员平均水平和下限之间的差异(Q2-Q1)
— 球员平均水平和上限之间的差异(Q3-Q2)

以下是不一致评级最高的玩家列表,以给出最“不一致”的玩家。 但请记住,这是与玩家平均评分相比的一致性; 这些球员始终处于平均水平附近,而不是始终表现出色。 该公式中只有大约 20% 与统计上的“好”玩家相关,因为玩家因地图高于 1.00 的比例较低而被授予不一致评级。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

k0nfig 不存在——并且 1天 很少有人指责桌面上的不一致——整个列表似乎与眼睛测试和社区叙述相符。 纳法尼, 莫波兹顶尖 都是在整部作品中出现的爆炸性但不一致的球员的原型,完全相同的原型 k0nfig 是其一部分。

那么,我们解决了“不一致”这个大问题了吗? 有点像——但仍然有漏洞。 而且,正如我们在简介中所说,99% 的职业玩家都无法保持适当的一致性。 周围的叙述 k0nfigREZ 不一致可能是基于这些球员的想法 应该 考虑到他们在眼睛测试中明显的天赋和机械技能,请保持一致。

然而,当我们观察更大的样本时,我们可以发现绝大多数步枪手都面临着同样的问题。 尼科 在 2021 年底的三个月里,他和世界上任何人一样出色——甚至是 AWPers。 但现在,他又回到了“仅仅”是世界上最好的步枪手的境地。 当我们翻阅这份名单,找到最不稳定的玩家时,我们会发现它是狙击手和支持性的、更被动的步枪手的集合。

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

在像《CS:GO》这样困难的游戏中,出现故障和糟糕的补丁是不可避免的。 但是,很明显,有些球员的休息时间比其他球员要好。 而且,正如我们在简介中所说,这只会让那些在糟糕的日子里能够获得 1.00+ 评分的玩家更有价值,尤其是那些确实进行了很多开场决斗的玩家,例如 轴1Le尼科.

问题是,这两名选手是今年迄今为止唯一在 LAN 上打出高于 1.00 下限的激进步枪手。 只有八个人完成了这一壮举——其中五人是初级狙击手——这只是职业玩家群体的一小部分。 真正高水平的一致性是每项运动的黄金国,《反恐精英》也不例外。


对于类似的深入研究文章,请查看以下链接:

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

现代的AWPer真的太被动了吗?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

Counter-Strike玩家什么时候达到顶峰?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

专家观点:反恐精英的年龄和动机

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

为什么现代 IGL 如此激进?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

双AWping值得吗?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

谁是 CS:GO 的地图专家?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

CS:GO 中最简单和最难的 CT 位置是什么?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

CS:GO 最简单和最难的 T 面位置是什么?

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

我们将现任和前任学院球员与他们的顶级分身配对

看看柏拉图区块链数据智能的不一致。垂直搜索。人工智能。

查看更多

是否应该给名册更多时间?

时间戳记:

更多来自 HLTV

K23签FinigaN

源节点: 1636757
时间戳记: 2022 年 8 月 24 日