关于我们 | 联系我们

体育押注软件-体育手机app

荣誉资质
当前位置:主页 > 荣誉资质 >

用Python编写代码分析《英雄同盟》游戏胜利的最重要因素

本文摘要:先容在已往的几年里,电子竞技社区生长迅速,曾经只是休闲娱乐的电子竞技工业,到2022年有望缔造18亿美元的收入。虽然在这个生态系统中有许多电子游戏,但很少有游戏像《英雄同盟》那样成为社区的主要元素,该游戏在2019年世界锦标赛期间吸引了凌驾1亿的独立观众。《英雄同盟》于2009年底刊行,是一款免费的多人在线战斗竞技场(MOBA)视频游戏,由Riot Games公司开发,这款游戏在早期就发生了广泛的竞争场景,2011年的第一届世界冠军缔造了约160万观众。

体育押注软件

先容在已往的几年里,电子竞技社区生长迅速,曾经只是休闲娱乐的电子竞技工业,到2022年有望缔造18亿美元的收入。虽然在这个生态系统中有许多电子游戏,但很少有游戏像《英雄同盟》那样成为社区的主要元素,该游戏在2019年世界锦标赛期间吸引了凌驾1亿的独立观众。《英雄同盟》于2009年底刊行,是一款免费的多人在线战斗竞技场(MOBA)视频游戏,由Riot Games公司开发,这款游戏在早期就发生了广泛的竞争场景,2011年的第一届世界冠军缔造了约160万观众。

随着Riot开始相识如何改变才气使游戏更具竞争性和趣味性,这款游戏在受接待水平和可玩性方面都有所提高。在《英雄同盟》的角逐中,两队各有五名玩家,每一队都控制着一个奇特的角色或"冠军",当其中一队位于其基地深处的Nexus被摧毁时,角逐就会竣事。

在这个历程中,一个团队可以实现许多目的,好比摧毁炮塔,杀死中立的怪物,好比龙和男爵,以获得整个团队的增益,等等。有些目的,如摧毁至少五个炮塔和一个兵营,是赢得游戏所必须的,而其他目的,如获得第一滴血,是有益的,但不是必须的。

通过这个项目,我想更好的相识这些目的中哪一个是赢得英雄同盟游戏最重要的。就此而言,我提出的问题如下:英雄同盟最重要的获胜条件是什么?收集数据我首先申请了一个使用Riot Developer Portal的应用法式,在我的应用法式被接受后,我浏览了api列表,以相识我可以请求的数据类型。

不幸的是,没有一种直接的方法可以从一个区域中取出最后X个排名的匹配项,所以我必须找到一种方法来解决这个问题。我的解决方案是使用召唤者名称列表(用户名)来为每个玩家生成最近的角逐列表。通过Python包Riot-Watcher的挪用,获取了差不多10000行的数据与五个地域最新联赛角逐的前100名玩家的数据。乍一看,DataFrame看起来是这样的:在前7列中,0表现"False",1表现"True",而在后面的列中,单元格中编码的数据表现事件发生的次数。

每行都包罗了一场排位角逐中的一支队伍的统计数据。例如,在第一排,没有获得任何目的的团队首先输掉了整个角逐。探索性数据分析热图和主身分分析首先,我发现91%的获胜团队摧毁了第一个兵营,80%杀死了第一个男爵,70%摧毁了第一个塔,63%杀死了第一条龙,59%的获胜团队以第一滴血开始游戏。

现在看来,最重要的获胜条件是摧毁第一个兵营,这是有意义的,因为摧毁一条线路的兵营会给他们的基地带来压力,并允许对方拥有更多的舆图控制。接下来,我可视化了数据集中各列之间的相关性:我还为我的数据中所代表的每个独立地域找到了相同的关联热图,以比力差别地域之间的关联,希望能注意到游戏气势派头的一些差异。

一般来说,相关矩阵看起来很是相似。一个可能的原因是,我的数据包罗了每个地域最好的玩家的角逐,其中许多人是职业选手。

手机app能押注

因此,由于良好的游戏实践在竞争性社区中是一致的,所以我的数据中所代表的匹配涉及到那些在每一款游戏中顶级玩家,而这些玩家相对于每个区域中排名较低的玩家来说是相似的。我现在很想知道数据中的方差是如何用较少的特征来解释的,而不是我用来预测游戏效果的10个特征。

在这种水平上,我举行了主身分分析,以相识我可以将数据简化成几多特征,同时保留大部门的方差:十个预测列中凌驾80%的方差可以用一半的特征量来解释。这确实很有趣,通过将每个组件与原始数据集的列关联起来,我希望相识在解释数据的差异时哪些特性是最重要的,这可以资助我弄清楚哪些列对一个团队是否会获胜最关键。用于生成上述热图的组件来自一个包罗六个PCA工具,因为我希望这些组件能够解释数据中凌驾90%的差异。

看来推塔,摧毁兵营,以及一个团队是否摧毁了第一个兵营在确定方差最重要的特征数据,第一个组件解释40%的方差和三个上述列加权最该组件。重申一下我在这一点上的意会:从我的关联热图来看,无论一个团队是否摧毁了第一个兵营,一个团队推掉了几多塔,以及一个团队摧毁了几多兵营都与获胜有最高的相关性。从我的PCA分析来看,团队是否摧毁了第一个兵营,团队摧毁了几多塔,以及团队摧毁了几多兵营在解释数据中的差异方面发挥了最大的作用。

使用逻辑回归举行数据建模我使用了Logistic回归模型来明白《英雄同盟》排名角逐的获胜条件。我的历程是首先将我的数据支解成一组特征和一组目的,其中我的特征是除'win'和'region'列之外的所有列,我的目的是'win'列。然后我将我的数据剖析为一个列集和一个测试集,通过Logistic回归模型举行运行,并检查分类陈诉和混淆矩阵,确保有较强的预测能力。

体育押注软件

当逻辑回归模型在整个数据集上运行时,模型的精度和召回率划分为。86和。85。

从这里开始,我对只包罗一个区域的数据子集举行逻辑回归,好比只在NA、BR等中举行的匹配,并在一个Pandas数据模型中记载模型的系数。这个数据图被可视化了,所以我可以比力差别的区域:回归系数形貌预测变量和目的变量之间的关系。例如,当我们看上面的一血预测变量时,第一个拿到一血的队伍是对角逐效果的适度预测,因为第一个拿一血的队伍更有可能获胜。另一方面,峡谷先驱的击杀实际上是在相反的偏向上相关的(除了EUNE),而且获得更多峡谷先驱击杀的队伍更有可能输掉。

通过这个分析历程,我相识了哪些专栏更能预测胜利,资助我回覆了关于《英雄同盟》中获胜条件的问题。结论通过我的项目,我得出以下结论:凭据我的逻辑回归模型,根据最大到最小的顺序,第一个兵营,第一个塔,塔摧毁是数据集中最重要的获胜条件(这是推塔游戏)。

凭据我的关联热图,从最大到最小,塔摧毁,第一个兵营,兵营摧毁数是数据集中最重要的获胜条件(这是推塔游戏)。虽然获得第一个baron的NA和EUW团队更有可能获胜,但随着杀死的baron数量的增加,这些地域的团队更有可能失败。与其他地域相比,在NA地域的团队更有可能赢得第一只龙,这一事实或许讲明在NA地域的游戏更倾向于龙的喜好者和围绕龙的战斗滚雪球式的游戏(当一个团队在游戏中扩大一个小优势以赢告捷利)。

KR游戏并没有受到一个特性的不平衡影响。这可能讲明KR的队员比其他地域的队员更相识如何在劣势中有细,这促使团队比其他地域的团队更经常地赢得组合目的。作者:Ankush Bharadwaj本文源代码:https://github.com/ankushbharadwaj/league-of-legends-win-conditionsdeephub翻译组。


本文关键词:手机app能押注,用,Python,编写,代码,分析,《,英雄同盟,》,游戏

本文来源:体育押注软件-www.zk5g.com

Copyright © 2001-2021 www.zk5g.com. 体育押注软件科技 版权所有 备案号:ICP备80542337号-7