Оригинальная статья Multiplayer Online Battle Arena (MOBA) — жанр компьютерных игр, сочетающий в себе элементы стратегии в реальном времени и компьютерных ролевых игр.
Самыми известными играми этого жанра являются League of Legends и Dota 2. Каждая игра состоит из этапа драфта, на котором игроки по очереди выбирают одного из игровых персонажей (в LoL они называются чемпионами) и самой игры.
Исход всей игры во многом зависит от выбранных чемпионов, поэтому важно выбирать их так, чтобы они взаимодействовали друг с другом и хорошо выступали против вражеских чемпионов.
Но самое главное – насколько хорошо игрок играет своего чемпиона.
DraftRec создан, чтобы помочь новичкам и другим игрокам выбрать лучшего героя для игры в текущем матче.
Во время матча в League of Legends участвуют 2 команды по 5 игроков, каждая из которых играет определенную роль (топ, лес, мид, адк и поддержка).
На момент написания статьи в игре 156 чемпионов, то есть возможных комбинаций.
без учета ролей 
Так выглядит этап отбора Набор данных был взят из 280 000 матчей LoL и 50 000 матчей Dota 2. При этом для повышения качества отбирались матчи с участием топовых 0,1% игроков (ранг мастер и выше).
Фазу драфта можно рассматривать как вариант рекомендательной системы, в которой мы хотим предсказать, какого чемпиона игрок отдаст в той или иной ситуации, основываясь на истории его игр.
При этом также стоит учитывать, кого выбрали союзники, чтобы в итоге получить хоть какую-то синергию в команде.
То есть рекомендательная модель вернет 2 числа.
Где 
обозначает вероятность того, что игрок выберет конкретного чемпиона, а 
- исход матча.
содержит информацию о предыдущих матчах всех игроков команды, а именно их роли, выбранных чемпионов и послеигровую статистику (количество убийств, смертей, полученное золото, исход матча и т.д.), а также о текущем матче.
Сама модель выглядит так 
Функция, выбранная в качестве функции потерь, равна 
, в зависимости от 
(функция потерь прогноза чемпиона) и 
(функция потерь для прогнозирования результата).
И 
- логарифмические функции потерь (кросс-энтропия) 
В таблице ниже вы можете увидеть сравнение разных моделей.
Прогноз чемпиона, которого выберет игрок POP — простая базовая линия, возвращающая чемпиона, которого игрок выбирал чаще всего в последних играх.
NCF — фиксирует нелинейное взаимодействие между игроками и чемпионами через MLP с неявной обратной связью.
DMF — оптимизирует модель скрытых факторов на основе явного выбора чемпиона каждым игроком.
S-POP — вариант POP, в котором чемпионы оцениваются на основе n последних игр.
Используемыми показателями были коэффициент попадания (HR) и нормализованный совокупный выигрыш (NG).
Прогнозирование исхода матча Видно, что DraftRec работает лучше всего практически во всех положениях.
На тепловой карте можно увидеть зависимость весов от других ролей.
ADC и SUP сильнее всего зависят друг от друга, так как они находятся рядом на протяжении всей игры и для них важна синергия.
Также видна зависимость (TOP, JGL) и (MID, JGL), что также объясняется внутриигровым взаимодействием.
В таблице выше сравниваются подходы, которые рекомендуют чемпиона на основе вероятности выбора.
(DraftRec п ), по вероятности победы (DraftRec в ) и смешанная стратегия (DraftRec п+в ).
Понятно, что в первом случае вероятность победы возрастает по сравнению со вторым, то есть выбор комфортного для игры чемпиона влияет больше, чем на состав в целом.
Но при этом вероятность выигрыша для смешанной стратегии еще больше, что подтверждает полезность данной рекомендательной модели.
Сообщение написано для https://github.com/spbu-math-cs/ml-course Теги: #Машинное обучение #машинное+обучение #перевод #лига легенд
-
Автомобили Tesla Начали Появляться В России
19 Oct, 24 -
Я Позвонил, Чтобы Тратить Твое Время
19 Oct, 24 -
Однажды В Hft-Компании...
19 Oct, 24 -
Бесплатные Мероприятия Azure В Марте
19 Oct, 24
