Uma Análise Estatística das Features de Draft no League of Legends Ranqueado
Esta análise examinou 805.355 partidas ranqueadas de todas as regiões nos últimos quatro patches, correspondendo a 8.052.743 linhas de participantes do Iron ao Challenger. O objetivo foi estimar como sete features relacionadas ao draft contribuíram para a previsão de vitória usando a mesma estrutura estatística entre roles, ranks e campeões.
Para separar efeitos específicos da lane de efeitos mais amplos de composição de equipe, as variáveis de contraescolha e sinergia foram divididas em componentes de lane e cross-lane.
A análise por role utilizou um modelo hierárquico de efeitos mistos (GPBoost) com o tier de rank como variável de agrupamento. A análise por campeão utilizou regressão logística regularizada Ridge para estabilizar as estimativas dos coeficientes em amostras menores. Ambas as análises usaram validação cruzada 5-fold out-of-fold no nível de partida para evitar vazamento de dados.
Os resultados são exibidos nos gráficos e tabelas abaixo, filtráveis por role e rank:
- Pesos das Features por Role — barras empilhadas e tabela de dados, filtrados por rank
- Pesos das Features por Campeão — barras empilhadas e tabela de dados, filtrados por role e rank
O que as features significavam
Diferença de ouro no confronto de rota mediu a diferença média de ouro histórica aos 15 minutos entre o campeão do jogador e seu oponente de lane.
Taxa de vitória de confronto de rota mediu a taxa de vitória histórica do campeão do jogador contra seu oponente de rota.
Vantagem contra o time inimigo mediu o delta somado de taxa de vitória a partir de 50% entre o campeão do jogador e cada um dos quatro campeões inimigos fora da lane.
Game Synergy mediu o delta somado de taxa de vitória a partir de 50% entre o campeão do jogador e os campeões aliados, excluindo o parceiro de bot lane exceto onde a sinergia de lane foi modelada diretamente.
Meta se referiu à taxa de vitória geral do campeão para aquela role e rank.
Lane Synergy WR se aplicou apenas à bot lane e mediu o taxa de vitória histórico da dupla ADC–Suporte.
Lane Synergy Gold se aplicou apenas à bot lane e mediu a diferença combinada de ouro aos 15 minutos para a dupla ADC–Suporte.
Metodologia
A análise utilizou uma função de ligação logística (Bernoulli Logit) para modelar a probabilidade de vitória em função das sete features padronizadas acima, com cinco features para roles fora da bot lane e sete para bot lane.
"Padronizada" significa que todas as features foram escalonadas para média zero e variância unitária antes do modelo ser ajustado. Isso tornou os coeficientes diretamente comparáveis, mesmo que as features originais fossem medidas em escalas diferentes.
A importância das features foi quantificada normalizando os valores absolutos dos coeficientes padronizados, expressando cada um como porcentagem da magnitude total do efeito dentro do modelo.
Para a análise por role, um modelo hierárquico de efeitos mistos foi ajustado por role usando GPBoost, com o tier de rank como variável de agrupamento para interceptos e inclinações aleatórias. Isso permitiu que o modelo "emprestasse força" entre tiers — se um tier tinha dados limitados (ex: Challenger), seus pesos eram puxados em direção à média populacional ao invés de produzir estimativas instáveis. A análise por campeão utilizou regressão logística regularizada Ridge (penalidade L2, C=1.0) para estabilizar os coeficientes em amostras menores.
Para evitar vazamento de dados, a análise utilizou validação cruzada 5-fold out-of-fold (OOF) estratificada no nível de partida, garantindo que todos os dez participantes de uma mesma partida fossem atribuídos ao mesmo fold e prevenindo vazamento de informação intra-partida. Ao calcular features para partidas de um determinado fold, as estatísticas históricas foram derivadas apenas dos outros quatro folds. Os p-values foram calculados no nível populacional usando erros padrão cluster-robust agrupados por partida, levando em conta a correlação entre as dez linhas de participantes dentro de cada partida.
Significância estatística e correlação de features
A significância estatística foi reportada através de p-values. Os resultados foram marcados como:
- p < 0.001
- p < 0.01
- p < 0.05
- não estatisticamente significativo
A análise também utilizou o Fator de Inflação da Variância (VIF) para examinar a correlação entre features.
Um VIF de 1 indica nenhuma correlação com outras features. Valores acima de 5 são comumente tratados como preocupantes. Todos os valores de VIF nesta análise ficaram abaixo de 2.
Pesos das Features por Role — Prata
Pesos somam 100% por linha. Sobrescritos indicam significância estatística. Um traço (–) significa que o resultado não foi estatisticamente significativo.
| Role | Ctr Lane Ouro | Ctr Lane WR | Game Ctr | Sinergia | Meta | Sin Lane WR | Sin Lane Ouro |
|---|---|---|---|---|---|---|---|
| Top | 19.8% | 7.7% | 20.3% | 12.2% | 40.0% | — | — |
| Selva | 6.4% | 4.5% | 23.9% | 15.9% | 49.3% | — | — |
| Meio | 11.6% | 10.2% | 18.5% | 16.9% | 42.9% | — | — |
| Bot | 1.8% | 9.4% | 26.2% | 16.8% | 27.0% | 15.6% | 3.3% |
| Suporte | 3.7% | 15.4% | 29.5% | 4.4% | 26.2% | 17.5% | 3.3% |
Conclusão
Quão importante é vencer a fase de lane?
- A diferença de ouro aos 15 minutos trouxe um sinal relevante na rota superior. No meio, a contribuição ficou mais visível nos elos altos.
- A mesma medida não foi estatisticamente significativa para ADC nesse modelo. O suporte apresentou alguma contribuição da fase de rotas, mas abaixo das rotas solo.
Quão importante é escolher um campeão que se encaixe na composição do seu time?
- No geral, é mais relevante para os mid laners e caçadores, mas ainda é relevante para as outras rotas.
- Uma boa dupla ADC + Support quase não impacta em vencer a fase de lane, mas afeta consideravelmente o resto da partida.
Quão relevante é contrar as escolhas inimigas?
- Responder ao seu confronto de lane vai além da fase de lane, e o impacto das contraescolhas de lane após o término da fase é maior do que durante ela.
- Os confrontos contra outras rotas também tiveram peso relevante em funções e elos diferentes. Em muitas células, a vantagem contra o time inimigo foi o maior fator isolado.
E quanto ao meta?
- Em elo médio a alto (Plat+), o meta quase não importa para ADC, mas ainda é relevante para os outros roles.
- O Meta teve mais peso em muitas células dos elos baixos e menos em boa parte de Ouro e Platina. Como o padrão mudou por função, uma única regra por elo exageraria o resultado.
O que foi dito acima muda de campeão para campeão?
- As estimativas variaram bastante entre campeões, e amostras menores limitaram comparações firmes. Katarina, LeBlanc e Kassadin foram exemplos em que a medida da fase de rotas teve muito mais peso do que para vários outros campeões.
Por que Meta não aparece na tabela por campeão
Meta não apareceu na tabela por campeão por uma razão estatística. Quando a análise foi restrita a um único grupo campeão-role-rank, a taxa de vitória de meta daquele campeão era a mesma para cada partida do grupo. Uma feature que não varia entre observações não pode ser estimada por regressão logística.
Por essa razão, a contribuição de Meta para a vitória foi capturada na análise por role, onde diferentes campeões com diferentes taxas de vitória de meta apareciam no mesmo grupo, mas não apareceu na análise por campeão.
Viés conhecido
A análise identificou um viés importante na análise por role: as taxas de pick dos campeões eram desbalanceadas. Campeões populares contribuíram com muito mais dados do que picks raros — em alguns casos até 20× mais. Como resultado, as regressões por role foram desproporcionalmente influenciadas por campeões populares.
A análise por campeão não foi afetada por esse viés específico, já que cada campeão foi analisado independentemente.