랭크 League of Legends 드래프트 피처 통계 분석
이 분석은 전 지역의 최근 4개 패치에서 나온 805,355개 랭크 경기를 살펴봤고, Iron부터 Challenger까지 8,052,743개의 참가자 행을 포함해요. 목표는 같은 통계 프레임워크로 포지션, 랭크, 챔피언 전반에서 7가지 드래프트 관련 피처가 승리 예측에 얼마나 기여하는지 추정하는 것이었어요.
라인별 효과와 더 넓은 팀 조합 효과를 분리하려고 카운터와 시너지 변수를 라인 안쪽 요소와 크로스 라인 요소로 나눴어요.
포지션별 분석에는 랭크 티어를 그룹 변수로 둔 계층적 혼합 효과 모델(GPBoost)을 사용했어요. 챔피언별 분석에는 작은 표본에서 계수 추정을 안정화하려고 Ridge 정규화 로지스틱 회귀를 사용했어요. 두 분석 모두 데이터 누출을 막기 위해 매치 단위 5-fold out-of-fold 교차 검증을 적용했어요.
결과는 아래 차트와 테이블에서 확인할 수 있고, 포지션과 랭크로 필터링할 수 있어요:
- 역할별 피처 가중치 — 누적 막대 그래프 및 데이터 테이블, 랭크별 필터
- 챔피언별 피처 가중치 — 누적 막대 그래프 및 데이터 테이블, 역할 및 랭크별 필터
피처가 의미하는 것
Lane Ctr Gold는 플레이어의 챔피언과 라인 상대 사이의 15분 시점 과거 평균 골드 차이를 측정해요.
Lane 카운터 WR은 플레이어의 챔피언이 라인 상대를 상대로 기록한 과거 승률을 측정해요.
Game 카운터는 플레이어 챔피언과 라인 상대가 아닌 적 챔피언 4명 각각의 50% 대비 승률 차이를 합산해요.
Game Synergy는 플레이어 챔피언과 아군 챔피언 사이의 50% 대비 승률 차이를 합산해요. 라인 시너지를 직접 모델링한 경우를 제외하면 바텀 라인 파트너는 제외해요.
Meta는 해당 포지션과 랭크에서 챔피언의 전체 승률을 뜻해요.
Lane Synergy WR은 바텀 라인에만 적용되며 원딜-서포터 조합의 과거 승률을 측정해요.
Lane Synergy Gold는 바텀 라인에만 적용되며 원딜-서포터 조합의 15분 시점 합산 골드 차이를 측정해요.
방법론
분석은 로지스틱 링크 함수(Bernoulli Logit)를 사용해 위 7가지 표준화 드래프트 피처로 승리 확률을 모델링했어요. 바텀 라인이 아닌 포지션에는 5가지 피처, 바텀 라인에는 7가지 피처를 사용했어요.
"표준화"는 모델을 맞추기 전에 모든 피처를 평균 0, 분산 1로 스케일링했다는 뜻이에요. 덕분에 원래 피처의 척도가 달라도 적합된 계수를 직접 비교할 수 있었어요.
피처 중요도는 표준화된 계수의 절대값을 정규화하고, 각 값을 모델 안의 전체 효과 크기 대비 백분율로 표현해 계산했어요.
포지션별 분석에는 GPBoost로 포지션마다 계층적 혼합 효과 모델을 맞췄고, 랭크 티어를 랜덤 절편과 랜덤 기울기의 그룹 변수로 사용했어요. 챔피언별 분석에는 작은 챔피언 단위 표본에서 계수 추정을 안정화하려고 Ridge 정규화 로지스틱 회귀(L2 penalty, C=1.0)를 사용했어요.
데이터 누출을 막기 위해 매치 단위로 층화한 5-fold out-of-fold(OOF) 교차 검증을 사용했어요. 한 매치의 10명 참가자가 모두 같은 fold에 들어가도록 해 매치 내부 정보 누출을 막았어요. 특정 fold의 매치 피처를 계산할 때는 나머지 4개 fold에서만 과거 통계를 뽑았어요. p-value는 매치로 그룹화한 cluster-robust 표준 오차를 사용해 모집단 수준에서 계산했고, 한 매치 안의 10개 참가자 행 사이 상관관계를 반영했어요.
통계적 유의성과 피처 상관관계
통계적 유의성은 p-value로 보고했어요. 결과 표시는 다음과 같아요:
- p < 0.001
- p < 0.01
- p < 0.05
- 통계적으로 유의하지 않음
분석에서는 Variance Inflation Factor(VIF)도 사용해 피처 간 상관관계를 확인했어요.
VIF 1은 다른 피처와 상관관계가 없다는 뜻이에요. 5를 넘으면 보통 주의가 필요한 값으로 봐요. 이 분석의 모든 VIF 값은 2 미만이었어요.
포지션별 피처 가중치 — 실버
각 행의 가중치 합은 100%예요. 색상은 통계적 신뢰도를 나타내요: 골드(p<0.001), 초록(p<0.01), 파랑(p<0.05), 회색(유의하지 않음).
| 포지션 | Lane Ctr 골드 | Lane Ctr WR | Game Ctr | 시너지 | 메타 | Lane Syn WR | Lane Syn 골드 |
|---|---|---|---|---|---|---|---|
| 탑 | 19.8% | 7.7% | 20.3% | 12.2% | 40.0% | — | — |
| 정글 | 6.4% | 4.5% | 23.9% | 15.9% | 49.3% | — | — |
| 미드 | 11.6% | 10.2% | 18.5% | 16.9% | 42.9% | — | — |
| 봇 | 1.8% | 9.4% | 26.2% | 16.8% | 27.0% | 15.6% | 3.3% |
| 서포트 | 3.7% | 15.4% | 29.5% | 4.4% | 26.2% | 17.5% | 3.3% |
결론
라인전 승리가 얼마나 중요한가요?
- 15분 골드 차이는 탑에서 의미 있는 신호였어요. 미드에서는 높은 랭크로 갈수록 기여도가 더 뚜렷했어요.
- 같은 지표는 이 모델에서 ADC에게 통계적으로 유의하지 않았어요. 서포터는 라인전 신호가 일부 있었지만 솔로 라인보다 작았어요.
팀 구성에 맞는 챔피언을 고르는 것이 얼마나 중요한가요?
- 전반적으로 mid 라인r와 정글러에게 더 중요하지만, 다른 라인에도 여전히 의미가 있어요.
- 좋은 ADC + Support 조합은 라인전 승리에는 거의 영향을 주지 않지만, 이후 게임 흐름에는 꽤 큰 영향을 줘요.
적 픽을 카운터하는 것이 얼마나 중요한가요?
- 라인 매치업 카운터는 라인전 안에서 끝나지 않아요. 라인전이 끝난 뒤의 라인 카운터 영향이 라인전 중보다 더 커요.
- 다른 라인과의 상성도 포지션과 랭크 전반에서 큰 비중을 보였어요. 많은 구간에서 전체 상성이 가장 큰 단일 요인이었어요.
메타는 어떤가요?
- 중상위 elo(Platinum+)에서는 Meta가 ADC에게 거의 중요하지 않지만, 다른 포지션에는 여전히 의미가 있어요.
- Meta는 낮은 랭크의 여러 구간에서 강했고 Gold와 Platinum의 많은 구간에서는 약했어요. 포지션마다 양상이 달라 하나의 랭크 규칙으로 묶으면 결과를 과장하게 돼요.
위의 내용이 챔피언마다 달라지나요?
- 챔피언별 추정치는 차이가 컸고 작은 표본은 확실한 비교를 제한했어요. 카타리나, 르블랑, 카사딘은 라인전 지표의 비중이 다른 많은 챔피언보다 컸던 사례예요.
챔피언별 테이블에 메타가 나타나지 않는 이유
Meta는 통계적 이유로 챔피언별 테이블에 나타나지 않았어요. 분석을 단일 챔피언-포지션-랭크 그룹으로 제한하면, 해당 챔피언의 meta 승률이 그 그룹의 모든 매치에서 같은 값이 돼요. 관측치 사이에서 변하지 않는 피처는 로지스틱 회귀로 추정할 수 없어요.
그래서 Meta의 승리 기여도는 서로 다른 meta 승률을 가진 여러 챔피언이 같은 그룹에 들어가는 포지션별 분석에서 포착됐지만, 챔피언별 분석에는 나타나지 않았어요.
알려진 편향
분석에서는 포지션별 분석의 중요한 편향 하나를 확인했어요. 챔피언 선택률이 불균형했어요. 인기 챔피언은 희귀 픽보다 훨씬 많은 데이터를 제공했고, 어떤 경우에는 최대 20배 차이가 났어요. 그 결과 포지션별 회귀는 인기 챔피언의 영향을 더 크게 받았어요.
챔피언별 분석은 각 챔피언을 독립적으로 분석했기 때문에 이 특정 편향의 영향을 받지 않았어요.