英雄联盟游戏前10分钟数据预测高ELO排名结果分析

电竞领域，特别是在《英雄联盟》这类大型对战游戏中，预测比赛结果成了一项引人入胜的讨论。但仅凭游戏初始10分钟的数据来做出预测，既具挑战性又引发了不少争议。这样的预测方法，真的能准确预知高排名游戏的结局吗？

数据来源与游戏阶段特点

这项研究选取了“’s”数据集的前十分钟记录。英雄联盟游戏一般持续30至45分钟，分为对线、中期和后期三个阶段。在这前10到15分钟里，玩家各自在分路进行成长。虽然这10分钟看起来很短暂，但其中可能隐藏着关键信息。在初期对线阶段，玩家们争相提升装备和等级，而每个队伍的英雄搭配在这个阶段便开始对游戏进程产生显著影响，早期强大的英雄能够带来独特的效果。

英雄联盟的每个阶段都各有特点，初期的发展状况可能会对中期战局产生重要影响，从而左右后期胜负的走向。比如，不少比赛中，若一方在初期对线中取得优势，那么在中期能够迅速推进塔楼，获取更多资源，为最终的胜利打下基础。

英雄组合的影响

英雄组合对比赛结果极为关键。不同的英雄拥有各自的强势阶段，有的在初期表现强劲，有的则在后期更胜一筹。尽管英雄搭配对比赛结果有显著影响，但玩家的个人技巧和地图感知在英雄技能的配合上并未充分展现。在许多高级游戏中，后期团队组合在初期对线时往往充满变数。回顾过去的一些经典赛事，即便队伍在英雄搭配上倾向于后期阵容，但若在对线阶段遭遇重创，最终也难以扭转局势。

纵然某些英雄搭配颇具威力，一旦玩家操作出现偏差或是地图资源管理不当，胜利便难以到手。比如，某支队伍选择了强劲的线上英雄，却因对方打野的精准打击而陷入困境，原本的优势也就此消失。

金币差异与游戏结果

研究显示，蓝色队伍在比赛初期10分钟内，金币的积累量与比赛成绩紧密相连。一旦蓝队在10分钟内获得超过2万枚金币，他们获胜的可能性极大。然而，当蓝队在这10分钟内的金币差距介于-6324到6744之间时，比赛结果就会变得不确定。以DF战队与SP战队的比赛为例，DF在前10分钟的差距就在这一范围内，双方竞争激烈，胜负难以预料。

英雄们在同样的时间段内积累金币的速度各不相同，这主要取决于他们在游戏中的表现，比如线上补兵、击败敌方英雄或是参与击杀并得到助攻。举例来说，某些刺客类英雄，如果早期就能成功击杀敌人，就能在金币上占据明显优势。

图6揭示了蓝队在游戏对线期间经验值差距如何影响比赛结果。当双方10分钟的经验值差距大约在+/-5000XP时，他们的胜利概率大致相等。这就像ST战队与ND战队之间的比赛，10分钟时的经验值差距也落在这个区间，两队的等级并未拉开显著差异，因此后续的对抗充满了不确定性。

经验助力英雄掌握新技能，增强基础能力。在实战中，若初期积累经验迅速，便能够迅速增强技能威力或更好地抵御伤害。

打野表现的分析

研究细致分析了打野的表现。在战斗游戏中，上路的玩家往往需要打野的支援。这导致打野的抓人时机和反野效果对游戏局势有显著影响。当蓝色方的打野表现超出一般水平时，预测结果变得更加复杂。例如，在一些比赛中，打野在10分钟内摧毁敌方三路，打乱对方节奏，显著提高了己方的胜算。

打野不仅要关注个人能力，还需与队伍协作。举例来说，与中单协作、进攻敌方野区等行为都需进行沟通与协调。

预测面临的挑战与总结

eclf = EnsembleVoteClassifier(clfs=[cat,logreg, knn, svc,ada,rdf,xgb], weights=[1,1,1,1,1,1,1])
labels = ['CatBoost','Logistic Regression', 'KNN', 'SVC','AdaBoost',"Random Forest",'XGBoost','Ensemble']
cv=KFold(n_splits = 5, random_state=2022,shuffle=True)
for clf, label in zip([cat,logreg, knn, svc, ada, rdf, xgb,eclf], labels):
	scores = cross_val_score(clf, info_x, info_y, 
                             cv=cv, 
                             scoring='accuracy',
                             n_jobs=-1)    
    print("[%s] Accuracy: %0.6f (+/- %0.6f) Best: %0.6f " % (label,scores.mean(), scores.std(), scores.max()))

研究使用的假设数据集包含44个要素，这一数量相对较少，因为一个游戏可能涉及数百个变量。这可能会引起预测结果的较大误差。此外，从游戏吸引力的角度来看，游戏需要保持一定的不可预测性。目前的研究方法存在一定限制。对于未来的实验，我们可以考虑加入更多因素的分析，比如英雄搭配、时间跨度、玩家对冠军技能的掌握程度等。

大家是否觉得现在游戏的选项能很好地预示游戏结局？若你有任何想法，不妨点个赞、转发这篇文章，并在评论区留下你的观点。

plt.figure()
lw = 1#knn
knn.fit(X_train,y_train)
knn_pred = knn.predict_proba(X_test)
fpr, tpr, threshold = roc_curve(y_test,knn_pred[:,1])
roc_auc = auc(fpr, tpr)
plt.plot(fpr, tpr, color='tab:blue',
             lw=lw, label='KNN ROC curve (area = %0.4f)' % roc_auc)
... ...
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
plt.xlim([-0.02, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC curve')
plt.legend(loc="lower right")
plt.show()