Predicción de los 20 mejores jugadores de HLTV de 2025

Las listas delos 20 mejores jugadores de HLTV completan cada año de Counter-Strike. Tanto si estás de acuerdo como si no con la filosofía de clasificación que hay detrás de ellas, es indiscutible que tienen un gran peso cultural a la hora de pensar en los mejores jugadores del pasado y del presente. Es posible que muchos espectadores nuevos o casuales los utilicen como única fuente de información en sus debates sobre los mejores jugadores de todos los tiempos. Por esa razón, es crucial que la metodología que empleen sea transparente, basada en principios y coherente. A su favor, creemos que los analistas de HLTV hacen un gran trabajo en este sentido, lo que nos lleva a preguntarnos: ¿hasta qué punto es replicable su proceso? ¿Es tan predecible que podemos adivinar con exactitud qué jugadores estarán entre los 20 mejores de este año, y dónde? Averigüémoslo.

Nuestro objetivo aquí es simple: estamos probando la precisión con la que nuestros modelos de aprendizaje automático pueden predecir los 20 mejores de este año. Para empezar, recopilaremos una serie de parámetros (potencialmente) útiles que podríamos utilizar como regresores. Según la propia HLTV, estadísticas como KPRW (muertes por ronda ganada), su propia HLTV Rating 3.0 y los premios MVP/EVP tienen mucho que ver en su forma de juzgar a los jugadores y sus actuaciones. Pero las estadísticas altas no bastan por sí solas para ganar posiciones altas; se ponderan en función del prestigio del evento del que proceden las estadísticas, y recompensan la longevidad y el dominio sobre una racha de juego púrpura. Entrenando modelos de aprendizaje supervisado con clasificaciones históricas y los datos que contribuyeron a elaborarlas, podemos intentar reproducir matemáticamente los valores y sesgos de HLTV.

Dos objetivos, dos modelos

Este reto se divide en dos partes. La primera: ¿qué jugadores tienen más probabilidades de estar entre los 20 primeros? La segunda: ¿cómo es probable que estén ordenados? En nuestros experimentos, hemos descubierto que dos arquitecturas de modelos diferentes, con conjuntos de características ligeramente diferentes, son óptimas para cada una de ellas.

Modelo A - un clasificador binario (sí/no) para "¿estará este jugador entre los 20 primeros?" - dio prioridad a los EVP, el diferencial K/D, la clasificación HLTV, los MVP y el total de rondas, de entre la docena de métricas que proporcionamos. El resultado es claro: para estar entre los 20 primeros, hay que tener una muestra suficientemente grande y haber ganado algunos torneos o haber sido uno de los mejores jugadores en algunos torneos. Tiene sentido y coincide con la intuición de todos. Este modelo obtuvo una precisión y una recuperación de ~0,91, lo que significa que fue capaz de identificar sistemáticamente a 18 ó 19 jugadores de los 20 posibles en los datos históricos. No está nada mal.

El modelo B, un modelo de aprendizaje por pares (LTR), era mucho más interesante. La clasificación HLTV seguía siendo un factor considerable, pero la clasificación por equipos, el número de torneos de prestigio ganados (Katowice, Colonia, Majors) y el K/D de las eliminatorias se dispararon de repente. Se trata de un descubrimiento curioso: entrar entre los 20 primeros parece depender más de los méritos individuales, mientras que tu colocación entre los 20 primeros depende de lo bien que lo haya hecho tu equipo a lo largo del año, de los trofeos que hayas levantado y de tu rendimiento bajo las luces más brillantes. Esto significa que un jugador como donk (o s1mple en el pasado), que tiene posiblemente el mayor techo de habilidad pero carece de los trofeos que lo respalden, está predispuesto a una clasificación inferior a la de jugadores como ZywOo, que siguen teniendo un talento increíble pero cuentan con un elenco de apoyo mucho más fuerte. Este modelo promedió un valor de rango de Spearman de ρ = 0,882 y MAE ≈ 1,8 en los datos históricos. Se trata de un rendimiento muy bueno y, en términos sencillos, cuando se equivoca en el orden, lo hace por una o dos posiciones como máximo.

Predicciones

Dada la fortaleza teórica de este modelo, estamos impacientes por ver cómo se ajusta a la realidad en los próximos días. El modelo se mostró muy seguro con los 19 primeros clasificados, a los que otorgó una probabilidad superior al 74% de pasar el corte. Sin embargo, no estaba tan seguro del 20º puesto: 910 obtuvo el puesto final, con un 51,50% de posibilidades, apenas por delante de yuurih, iM, kyousuke y YEKINDAR, que obtuvieron una media del 47%. Sinceramente, también estamos bastante divididos al respecto.

El otro punto de discordia es claramente el puesto número uno. Ya hemos hablado antes de los sesgos aprendidos del modelo, y aquí los ha demostrado a la perfección: donk supera a ZywOo en todas las estadísticas relevantes en los grandes eventos, incluidas las eliminatorias y las grandes finales. Sin embargo, sigue pensando que ZywOo tiene más posibilidades de alzarse con el trono, ya que su equipo ha hecho más carreras y ha levantado más trofeos este año. La gente los llama el mejor equipo de todos los tiempos, y seguramente el mejor jugador de un equipo así debe ser el mejor jugador del mundo, ¿no?

Bueno... al equipo le gustaría hablar.

| Jugador | EVPs | MVPs | HLTV Rating | Top 20 % | Predicted Spot | Normalised Spot | | | --- | --- | --- | | ZywOo | 5 | 8 | 1.32 | 100.00 | 1.00 | 1 | | donk | 7 | 4 | 1.41 | 100.00 | 2.00 | 2 | | m0NESY | 5 | 2 | 1.26 | 100.00 | 3.00 | 3 | | ropz | 8 | 0 | 1.17 | 100.00 | 4.00 | 4 | | sh1ro | 6 | 0 | 1.19 | 100.00 | 5.00 | 5 | | KSCERATO | 3 | 1 | 1.17 | 96.10 | 6.59 | 6 | XANTARES | 3 | 1 | 1.15 | 95.31 | 7.66 | 7 | molodoy | 2 | 2 | 1.14 | 95.00 | 9.60 | 8 | NiKo | 2 | 1 | 1.13 | 87.50 | 9.62 | 9 | | flameZ | 4 | 0 | 1.12 | 87.50 | 11.38 | 10 | | Spinx | 4 | 0 | 1.12 | 92.50 | 11.75 | 11 | | frozen | 4 | 0 | 1.15 | 92.50 | 12.68 | 12 | | Twistzz | 3 | 0 | 1.16 | 87.50 | 14.00 | 13 | | HeavyGod | 1 | 1.13 | 81.48 | 15.30 | 14 | | Senzu | 4 | 0 | 1.11 | 92.50 | 15.45 | 15 | | xertioN | 3 | 0 | 1.08 | 85.00 | 16.75 | 16 | | mezii | 3 | 0 | 1.08 | 74.32 | 18.03 | 17 | | torzsi | 4 | 0 | 1.06 | 92.50 | 18.23 | 18 | | b1t | 3 | 0 | 1.10 | 79.87 | 20.20 | 19 | | 910 | 2 | 0 | 1.04 | 51.50 | 20.48 | 20 | .

Por si aún no lo sabías, también puedes jugar en casa. La fecha límite es el 24 de diciembre, así que asegúrate de hacer tus pronósticos antes de esa fecha.