Dereceli League of Legends'da Seçim Özelliklerinin İstatistiksel Analizi
Bu analiz, tüm bölgelerden son dört yama boyunca 805.355 dereceli maçı incelemiştir; Iron'dan Challenger'a kadar 8.052.743 katılımcı satırına karşılık gelmektedir. Amaç, aynı istatistiksel çerçeveyi roller, dereceler ve şampiyonlar genelinde kullanarak yedi seçimle ilgili özelliğin kazanma tahminine nasıl katkıda bulunduğunu tahmin etmekti.
Koridora özgü etkileri daha geniş takım kompozisyonu etkilerinden ayırmak için karşı seçim ve sinerji değişkenleri koridor ve koridor dışı bileşenlerine ayrılmıştır.
Rol bazlı analiz, rank tier'ı gruplama değişkeni olarak kullanan hiyerarşik karma etkiler modeli (GPBoost) kullanmıştır. Şampiyon bazlı analiz, küçük örneklem boyutlarında katsayı tahminlerini stabilize etmek için Ridge düzenlemeli lojistik regresyon kullanmıştır. Her iki analiz de veri sızıntısını önlemek için maç düzeyinde 5-fold out-of-fold çapraz doğrulama kullanmıştır.
Sonuçlar aşağıdaki grafik ve tablolarda rol ve dereceye göre filtrelenebilir şekilde gösterilmektedir:
- Role Göre Özellik Ağırlıkları — yığılmış çubuklar ve veri tablosu, dereceye göre filtrelenmiş
- Şampiyona Göre Özellik Ağırlıkları — yığılmış çubuklar ve veri tablosu, rol ve dereceye göre filtrelenmiş
Özellikler ne anlama geliyordu
Koridor karşı seçim altın farkı, oyuncunun şampiyonu ile koridor rakibi arasındaki 15. dakikadaki tarihsel ortalama altın farkını ölçüyordu.
Koridor karşı seçim kazanma oranı, oyuncunun şampiyonunun koridor rakibine karşı tarihsel kazanma oranını ölçüyordu.
Genel karşı seçim etkisi, oyuncunun şampiyonu ile koridor dışındaki dört rakip şampiyonun her biri arasındaki %50'den kazanma oranı delta toplamını ölçüyordu.
Oyun Sinerjisi, oyuncunun şampiyonu ile müttefik şampiyonlar arasındaki %50'den kazanma oranı delta toplamını ölçüyordu; koridor sinerjisi doğrudan modellendiği durumlar hariç alt koridor partneri dahil edilmiyordu.
Meta, o rol ve derecedeki şampiyonun genel kazanma oranını ifade ediyordu.
Koridor Sinerji Kazanma Oranı yalnızca alt koridor için geçerliydi ve ADC-Destek ikilisinin tarihsel kazanma oranını ölçüyordu.
Koridor Sinerji Altını yalnızca alt koridor için geçerliydi ve ADC-Destek ikilisi için 15. dakikadaki birleşik altın farkını ölçüyordu.
Metodoloji
Analiz, yukarıdaki yedi standartlaştırılmış şampiyon seçimi özelliğinin bir fonksiyonu olarak kazanma olasılığını modellemek için lojistik bağlantı fonksiyonu (Bernoulli Logit) kullanmıştır; bot dışı roller için beş, alt koridor için yedi özellik kullanılmıştır.
"Standartlaştırılmış", model uyumlanmadan önce tüm özelliklerin sıfır ortalama ve birim varyansa ölçeklendirildiği anlamına gelir. Bu, orijinal özellikler farklı ölçeklerde ölçülmüş olsa bile katsayıları doğrudan karşılaştırılabilir hale getirmiştir.
Özellik önemi, standartlaştırılmış katsayıların mutlak değerleri normalize edilerek, her biri model içindeki toplam etki büyüklüğünün yüzdesi olarak ifade edilerek ölçülmüştür.
Rol bazlı analiz için, GPBoost kullanılarak her rol için hiyerarşik karma etkiler modeli uygulandı; rank tier'ı rastgele kesişim ve rastgele eğimler için gruplama değişkeni olarak kullanıldı. Bu, modelin tier'lar arasında "güç ödünç almasına" olanak tanıdı — bir tier'ın sınırlı verisi varsa (örneğin Challenger), ağırlıkları dengesiz tahminler üretmek yerine popülasyon ortalamasına doğru çekildi. Şampiyon bazlı analiz, küçük örneklem boyutlarında katsayıları stabilize etmek için Ridge düzenlemeli lojistik regresyon (L2 cezası, C=1.0) kullandı.
Veri sızıntısını önlemek için analiz, maç düzeyinde katmanlı 5-fold out-of-fold (OOF) çapraz doğrulama kullandı; tek bir maçtaki on katılımcının tamamının aynı fold'a atanmasını sağlayarak maç içi bilgi sızıntısını önledi. Belirli bir fold'daki maçlar için özellikler hesaplanırken, geçmiş istatistikler yalnızca diğer dört fold'dan türetildi. P-değerleri, popülasyon düzeyinde, her maç içindeki on katılımcı satırı arasındaki korelasyonu hesaba katan, maç bazında gruplanmış cluster-robust standart hatalar kullanılarak hesaplandı.
İstatistiksel anlamlılık ve özellik korelasyonu
İstatistiksel anlamlılık p-değerleri aracılığıyla raporlanmıştır. Sonuçlar şu şekilde işaretlendi:
- p < 0.001
- p < 0.01
- p < 0.05
- istatistiksel olarak anlamlı değil
Analiz ayrıca özellikler arasındaki korelasyonu incelemek için Varyans Şişirme Faktörü (VIF) kullanmıştır.
1'lik bir VIF, diğer özelliklerle korelasyon olmadığını gösterir. 5'in üzerindeki değerler genellikle endişe verici kabul edilir. Bu analizdeki tüm VIF değerleri 2'nin altındaydı.
Role göre özellik ağırlıkları — Gümüş
Ağırlıklar satır başına %100'e toplanır. Renkler istatistiksel güveni gösterir: altın (p<0.001), yeşil (p<0.01), mavi (p<0.05), gri (anlamlı değil).
| Rol | Koridor Karşı Seçim Altını | Koridor Karşı Seçim Kazanma Oranı | Game Ctr | Sinerji | Meta | Koridor Sinerji Kazanma Oranı | Koridor Sinerji Altını |
|---|---|---|---|---|---|---|---|
| Top | 19.8% | 7.7% | 20.3% | 12.2% | 40.0% | — | — |
| Orman | 6.4% | 4.5% | 23.9% | 15.9% | 49.3% | — | — |
| Mid | 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% |
| Destek | 3.7% | 15.4% | 29.5% | 4.4% | 26.2% | 17.5% | 3.3% |
Sonuç
Koridor safhasını kazanmak ne kadar önemli?
- 15. dakikadaki altın farkı üst koridorda anlamlı bir sinyal taşıdı. Orta koridordaki katkısı yüksek rank'larda daha belirgin hâle geldi.
- Aynı ölçüm bu modelde ADC için istatistiksel olarak anlamlı değildi. Destekte koridor safhasının bir miktar katkısı vardı, ancak solo koridorlardan daha düşüktü.
Takım kompozisyonunuza uyan bir şampiyon seçmek ne kadar önemli?
- Genel olarak mid ve orman oyuncuları için daha ilgili olmakla birlikte, diğer koridorlar için de hâlâ önemlidir.
- İyi bir ADC + Destek çiftinin koridor safhasını kazanmada neredeyse hiç etkisi yoktur, ancak oyunun geri kalanını önemli ölçüde etkiler.
Düşman seçimlerini karşılamak ne kadar önemli?
- Koridor eşleşmenizi karşılamak koridor safhasının ötesine geçer ve koridor karşılamalarının koridor safhasından sonraki etkisi, koridor safhası sırasındakinden daha yüksektir.
- Diğer koridorlarla eşleşmeler de roller ve rank'lar genelinde önemli ağırlık taşıdı. Birçok hücrede genel karşı seçim etkisi en büyük tekil etkendi.
Peki ya meta?
- Orta-yüksek elo'da (Plat+) meta ADC için neredeyse hiç önemli değildir, ancak diğer roller için hâlâ ilgilidir.
- Meta birçok düşük rank hücresinde daha güçlü, Gold ve Platinum'un büyük bölümünde daha zayıftı. Örüntü role göre değiştiği için tek bir rank kuralı sonucu abartırdı.
Yukarıdakiler şampiyondan şampiyona değişir mi?
- Şampiyon tahminleri büyük ölçüde değişti ve küçük örneklemler kesin karşılaştırmaları sınırladı. Katarina, LeBlanc ve Kassadin, koridor safhası ölçümünün birçok şampiyondan daha fazla ağırlık taşıdığı örneklerdi.
Meta neden şampiyon tablosunda görünmüyor
Meta, istatistiksel bir nedenle şampiyon tablosunda görünmemiştir. Analiz tek bir şampiyon-rol-derece grubuna sınırlandırıldığında, o şampiyonun meta kazanma oranını gruptaki her maç için aynı değerdi. Gözlemler arasında değişmeyen bir özellik lojistik regresyon tarafından tahmin edilemez.
Bu nedenle, Meta'nın kazanmaya katkısı farklı meta kazanma oranı'lere sahip şampiyonların aynı grupta göründüğü rol analizinde yakalanmış, ancak şampiyon analizinde görünmemiştir.
Bilinen yanlılık
Analiz, rol analizinde önemli bir yanlılık tespit etmiştir: şampiyon seçilme oranları dengesizdi. Popüler şampiyonlar nadir seçimlerden çok daha fazla veri sağlıyordu; bazı durumlarda bu fark 20 katına ulaşıyordu.
Şampiyon analizi, her şampiyon bağımsız olarak analiz edildiğinden, bu spesifik yanlılıktan etkilenmemiştir.