英雄聯盟美服10000條排位數據分析
英雄聯盟是2009年美國拳頭遊戲開發一款紅藍雙方互相對抗的MOBA遊戲，每隊有5名隊員，通過擊殺敵方小兵、推塔、擊殺敵方英雄，以最終摧毀敵方主堡作爲勝利的遊戲。
一、數據來源
本次的數據來源是kaggle。
鏈接地址：https://www.kaggle.com/bobbyscience/league-of-legends-diamond-ranked-games-10-min
從數據來源者描述中可以得知，本次數據是通過拳頭數據API獲得的。數據包括鑽一到大師分段的SOLO Q排位每場的前10分鐘數據。總共有接近10000條比賽數據。這些數據值得分析的原因也在於召喚師段位較高，數據較爲穩定。低段位比賽由於玩家水平較低，數據波動會大很多。
這裏需要介紹一下英雄聯盟的排位中隊友和對手的匹配機制：
匹配系統的目的如下，優先級從高到低：
1.保護新手不被有經驗的玩家虐；讓高手局中沒有新手。
2.創造競技和公平的遊戲對局，使玩家的遊戲樂趣最大化。
3.無需等待太久就能找到對手進入遊戲。
4. 匹配系統盡其所能的匹配水平接近的玩家，玩家的水平是來自他們在此之前贏了誰以及他們對手的水平。
數據包括：
最終比賽結果，一血擊殺方，藍色方擊殺數，藍色方死亡數，藍色方助攻數，藍色方控制守衛數量，藍色方排眼數，藍色方精英怪擊殺數，藍色方小兵擊殺數，藍色方推塔數，藍色方龍擊殺數，藍色方獲得金幣數，藍色方獲得經驗，藍紅雙方金幣差，藍紅雙方經驗差，以及紅色方相對應的一些數據。
二、探索的問題
從上面的數據可以看出英雄聯盟中有很多的遊戲元素，這些遊戲元素都在影響比賽進程，最終決定比賽結果。比如一血的擊殺可以給隊伍帶來更多的金幣，影響兵線。比如更多的助攻代表着更加團隊的打法。如果一場比賽中擊殺很少，那比賽可能會陷入互相發育的無聊階段，此時小兵的擊殺數會和防禦塔摧毀數量會影響金幣進而影響裝備。等等。。。
從這些數據中我要探索的問題是：
-
前10分鐘的平均數據是什麼樣的，從平均數據中推測鑽一到大師分段前10分鐘比賽時會出現的情況。
-
隨着比賽場次的增加以及玩家對遊戲版本理解的深入，遊戲數據平均值是否發生波動？這些波動反應了召喚師們對遊戲理解的哪些改變？
以及最終的目標：
哪些數據會影響比賽結果，是正向相關還是負向相關？是否能從前10分鐘比賽數據預測最終的比賽結果？預測的準確率是多少？
三、
在進行數據探索之前，首先要考慮這些數據的均值等是否能代表全部數據的真實情況。
舉個簡單的例子，這10000條數據是否都是在同一遊戲版本中進行的。如果發生過版本變動，那麼其中一個版本的數據並不能代表另一個版本的真實情況。同樣，如果數據不是發生在同一版本中，預測比賽結果也就無從談起。
在原始數據中包含了每場比賽的唯一id（gameId），觀察比賽id可以得知這些id在原始數據中是是亂序，但是id前三位數之間的差距不大。例如連續三行數據的id可能是：
450xxxxxxx
447xxxxxxx
449xxxxxxx
由此可以推測出兩種可能性：
- 原始表中的數據順序並不是真實比賽發生的時間順序，比賽id前三位排序後可能是真實的比賽時間順序。
- 原始表的順序就是真實比賽發生的時間順序，遊戲id並沒有太大的參考意義。
假設以比賽id是真實的時間順序
從下方藍色方勝敗場數圖中可以看出比賽id爲42XXXX，43XXXX，44XXXXXX，45XXXX 之間的比賽總數量相差很大，不應該爲不同版本之間的差異。
並且10000場比賽對於英雄聯盟美服來講也並不是特別大量的比賽場次。
因此暫推測比賽數據發生在同一遊戲版本中，並且原始數據表的順序即爲真是比賽時間發生順序。 ▼
那麼要探索的問題：
一、前10分鐘的平均數據是什麼樣的，從平均數據中推測鑽一到大師分段前10分鐘比賽時會出現的情況。
對這些數據進行彙總：
從上表中可以得知：
- 藍色方勝率49.9%。從遊戲地圖設置上，紅藍雙方相對公平性。同樣由於遊戲平衡性較好，因此從平均值來看紅藍雙方的數據相差不大，因此本表中僅體現藍色方數據。
- 10分鐘時單方擊殺數爲6.2個，助攻數爲6.6個，平均每擊殺助攻數1.1。說明遊戲前期（對線期）擊殺主要來自於單殺或小規模團戰或2人協作擊殺對面單人，而非大規模團戰。
- 藍紅雙方經濟差平均爲14.4。這裏要說明，當藍色方金幣數比紅色方高時，該數值爲正值；當紅色方金幣數比藍色方高時，該數值爲負數。該數據平均值代表了遊戲對藍紅雙方是否公平，14.4平均經濟差值在遊戲中已足夠小，說明遊戲總體公平。
同樣，對所有經濟差取絕對值後再平均，代表了遊戲中10分鐘時雙方經濟差的平均水平。
計算後得到經濟差絕對值平均數：1931.59。說明在10分鐘時領先的一方相當於每人領先對面敵方一個小件裝備，如果考慮經濟大部分集中在雙C位，那麼相當於雙C每人領先對面半件大裝備。 - 平均控制守衛數是22.2個，破壞對方控制守衛數是2.8個。前期真眼和掃描眼比較少，破壞對方控制守衛數比較少可以理解。
- 平均等級爲6.9級，考慮到C位經驗領先與輔助等位置，因此10分鐘時基本是全員剛有大招的時候。由此推測10分鐘前在平穩的對線期，10分鐘後團長將變多。
- 全隊小兵擊殺數（補刀）平均值數是216個，分均補刀21.6個。這在英雄聯盟全部玩家中算是比較高的水平，不愧是鑽1到大師的水平。
二、隨着服務器中比賽場次的增加以及玩家對遊戲版本理解的深入，遊戲數據是否發生波動？這些波動反應了召喚師們對遊戲理解的哪些改變？
原始數據本身是沒有時間屬性的。爲了探尋比賽數據隨比賽發生時間（非比賽內時間）的變化，我這裏將全部數據按原始數據順序分爲5份，分別標記爲“A、B、C、D、E”5個階段。對數據進行探索。
再次說明，10000場數據量並不是很大，很可能這些數據僅產生在幾天內。短時間的數據波動可能並不能真實代表玩家玩法的變化。以下內容爲探索。
- 雖然這10000場藍色方總勝率是49.9%，很接近50%，但將數據分段可以看到大多數時間藍色方勝率是不足50%的。（雖然差距並不大）▼
- 總獲得金幣，擊殺，助攻數，每擊殺助攻數折線圖中可以看出，ABCD四個階段藍紅雙方的對抗是相對減弱的。尤其從每擊殺助攻數可以看出，D階段發生了更少的團戰，單殺的比率增加。總金幣減少，遊戲前期獲得裝備的也減慢。但在D階段，召喚師們又開始熱衷於擊殺和團戰。▼
- 推塔情況總體變化不大，每場平均推塔0.1個左右。說明在10分鐘時雙方基本都不會推掉對方防禦塔。防禦塔的經濟影響可忽略。
當線上擊殺變少，補兵變少的時候。我們的打野在幹什麼呢？從小兵及野怪擊殺圖和龍擊殺圖中可以看出，我們的打野在一門心思的在地圖上刷野和控龍。也許他們覺得去線上幫助隊友拿到優勢的策略並不可靠。打野不來幫助線上擊殺對面，所以ABCD階段總擊殺和助攻都減小了的數據也就更爲合理。▼
- 影響比賽結果的經濟差
從紅藍雙方的經濟差可以發現，經濟差的變化趨勢與勝率的變化趨勢相似。可以推測，雙方經濟差是影響比賽結果的關鍵因素之一。這對下一步預測比賽結果也有重要意義。
從藍紅雙方經濟差絕對值趨勢可以看出，“A、B、C、D、E”5個階段總體雙方經濟差是拉大的。也就是說在前10分種內隨着對版本理解的深入，佔得優勢的一方會將優勢擴大更多。▼
- 暫時不能理解的趨勢
從總經驗趨勢圖中可以看出，BCD三個階段雙方總經驗和是保持在高位的。但從上面數據也看到，擊殺、助攻、每擊殺助攻數、小兵擊殺數在這幾個階段都是下降的。那這些經驗從何而來呢？是因爲野怪擊殺數和龍擊殺數增多麼？我保持懷疑。▼
三、哪些數據會影響比賽結果，是正向相關還是負向相關？是否能從前10分鐘比賽數據預測最終的比賽結果？預測的準確率是多少？
我們最想知道的還是是否能從前10分鐘數據中預測比賽結果。使用機器學習的方法對數據進行分析。在本文中只接單介紹過程。
- 數據清洗及變量轉換
查看數據類型和缺失情況。轉換部分數據類型及範圍以方便機器學習。 - 特徵工程
原始數據中記錄了很多雙方數據，但對勝負影響大的因素並不是藍色方擊殺了幾次，紅色方擊殺了幾次，而應該是雙方數據的差值。比如哪一方拿到了一血，擊殺數差值，助攻數差值，平均經驗差值，平均等級差值，小兵擊殺數差值等等。
在這一階段通過組合方式獲得更多特徵。
例如：藍色方拿到一血時，藍色方更容易獲勝。藍色方擊殺龍後更容易獲勝。（注：1是藍色方勝或擊殺龍或藍色方拿到一血，0是紅色方勝或拿小龍或紅色方拿到一血）▼
並通過相關係數矩陣簡單探索數據相關性。▼
-
輸入模型前的一些處理
包括數據正則化，去掉部分無用特徵，分割訓練數據和測試數據等等。我這裏將20%數據分割爲測試數據。 -
模型融合
採用Stacking框架融合。第一層使用RandomForest、AdaBoost、ExtraTrees、DecisionTree、KNN、SVM ，一共6個模型。
第二層使用XGBoost對數據進行最終預測。採用準確率accuracy_score方法對預測結果進行評分。
最終評分0.729分。後續有繼續優化空間，例如根據特徵重要性篩選特徵，組合部分特徵，參數優化等。▼
