https://arxiv.org/abs/1806.10130
"we model the drafting between two teams as a combinatorial game and use Monte Carlo Tree Search (MCTS) for estimating the values of hero combinations"
Правда 2016 года
Когда я вижу "Монте-Карло", то понимаю, что сделать модельку не получилось, а статью написать хотелось... Поэтому решили тупо много испытаний сделать. Совершенно бесполезно в определенных областях, в том числе и в доте, увы.
@DimOK дело не в модельке, дело скорее в том, что драфт это игра 1х1, где есть победитель. "the draft is regarded as a
combinatorial game characterizing the two-person, zero-sum property, perfect information, deterministic rewards, and discrete and
sequential actions"
— Что же мы видим, товарищи? Мы видим, что блондин играет хорошо, а брюнет играет плохо. И никакие лекции не изменят этого соотношения сил, если каждый индивидуум в отдельности не будет постоянно тренироваться в шашк… то есть я хотел сказать — в
шахматыдоту…
Ну понятно, что кто-то пикает сильнее, кто-то слабее, но все в равных условиях. Для этого не надо монтекарлу делать или даже математику учить :)
Кто-то пикает сильнее, кто-то слабее, но коэффициенты бывают равные
https://medium.com/@STRATZ/using-ai-to-predict-dota-2-the-international-8-games-at-77-accuracy-5485a6399f2f
"We collected approximately 14 days of games to give the neural net sufficient data to train the model. We started with a low layer count, a low neuron count, and a high learning rate. We trained over 100 different models with numerous variations of those factors and picked the one with the highest accuracy. On all 3,500,000 matches we had in our dataset, 80% were used to train and 20% were used for validation. We achieved an amazing 67.77% accuracy. Considering that a gambler looks for anything above 50.01% accuracy, we considered this a remarkable start."
А теперь перевожу на нормальный язык с псевдонаучного:
We collected approximately 14 days of games to give the neural net sufficient data to train the model
Нам было лень собирать нормальную базу, поэтому мы тупо собрали весь статс, до какого дотянулись, где были вперемешку и паблики и профи и всё что угодно.
We trained over 100 different models with numerous variations of those factors and picked the one with the highest accuracy.
Мы (разумеется) не смогли сделать сколько-нибудь внятную модель факторов, влияющих на исход матча в доте, поэтому просто впихнули всё в нейросеть, авось разберётся. Из ста попыток мы выбрали что-то, что случайно дало мало-мальски приемлимые результаты.
We achieved an amazing 67.77% accuracy.
Учитывая, что шансы команд в доте варьируются от 50% до 95% на победу, с преобладанием 50%, можно предположить, что средняя по больнице вероятность победы - примерно 65%, что и показывает замечательная модель.
Considering that a gambler looks for anything above 50.01% accuracy, we considered this a remarkable start
Люди, которые считают вероятность победы одной из команд равной 50% и при этом строят модели и пишут статьи, заслуживают сочуствия и всяческой моральной поддержки.
И, к сожалению, так в подавляющем большинстве подобных работ... берём много данных, бросаем в нейросеть и пытаемся притянуть за уши результаты. Самой простой проверки модели на прочность, а именно серии ставок по её оценкам вероятности, не делает никто, и даже хорошо... а то растроились бы, а так статья получилась.
вперемешку и паблики и профи и всё что угодно
Они обучают по играм из хай ммр паба.
Люди, которые считают вероятность победы одной из команд равной 50%
Так речь не про вероятность победы, а про точность предсказаний.
серии ставок по её оценкам вероятности
Можно было при желании самому проверить https://prediction.stratz.com/
Бтв, человек пишет, что к нему обращались представители нескольких бк
@vamp
Там модель спрогнозировала победу Гамбит над Сикретами, на этом можно и закончить.
@Keen ну пик у них действительно неплохой был. Они писали, что модель пока не учитывает скилл игроков и команд, только героев.
@vamp Не знаю, по-моему пик плохой. Бурста мало, ауры собирать некому, все герои тонкие и уязвимые к дизейблам и сайленсу, да и линии ни о чем.
@Keen уточни какая именно карта
@vamp вторая. Да и третьей такое себе.
Да и в целом непонятно, зачем вообще нужна такая модель, которая не учитывает ничего, кроме пиков.
@Keen там все как раз наоборот. Балансный и рабочий пик. Мне кажется, в третьей уже словили тильт.
@vamp ну, каждый по-своему видит. И как я понял, модель не учитывает расстановку лайнов, так что она полностью бесполезна.
@Keen учитывается линия, роль и ранг игрока
@vamp в таком случае, все совсем плохо.
@Keen наоборот все не так плохо, учитывая что это по сути статистический брут форс.
И всё же, что за мифическая "точность предсказаний"? Мы выбрали победителя в матче и угадали в 67% случаев?
Ну так это сильно зависит от средней вероятности фаворита выиграть, а она, как ни странно, в доте, примерно на таком уровне. Остаётся просто выбрать более сильную команду, а с этим можно и без нейросети справиться, тупо по ммр... результаты будут сходными.
@DimOK матчмейкинг забалансен так, что в командах поровну ммр. Там трудно объективно выбрать фаворита, если вообще возможно.
@vamp Не думаю, что есть смысл использовать дату из пабов. Вам любой про-игрок скажет, что пабы и проф. игры не имеют между собой ничего общего.
@Keen можно выявить определенные тенденции, если брать количеством, а не качеством.
Разумеется, но "3.5 миллиона игр" и "около ста нейросетей, из которых выбрана лучшая", к сожалению, на качество, кажется, не претендуют.
@DimOK с чего бы? думаю, статы 27-8 на инте даже у беттора выше не было судя по тому, что он пишет :)
Когда я вижу "Монте-Карло", то понимаю, что сделать модельку не получилось, а статью написать хотелось... Поэтому решили тупо много испытаний сделать. Совершенно бесполезно в определенных областях, в том числе и в доте, увы.
