Прогнозирование 20 лучших игроков HLTV в 2025 году

Списки20 лучших игроков HLTV завершают каждый год Counter-Strike. Независимо от того, согласны вы или не согласны с философией ранжирования, лежащей в их основе, они, несомненно, имеют большой культурный вес при обсуждении величайших игроков в прошлом и настоящем. Многие новички или случайные зрители могут использовать их как единственный источник информации в дискуссиях о величайших игроках всех времен. По этой причине очень важно, чтобы используемая ими методология была прозрачной, принципиальной и последовательной. К их чести, мы считаем, что аналитики HLTV отлично справляются с этой задачей, что поднимает вопрос: насколько воспроизводим их процесс? Настолько ли он предсказуем, что мы можем с точностью угадать, какие игроки войдут в топ-20 этого года и где? Давайте узнаем!

Наша цель проста - мы проверяем, насколько точно наши модели машинного обучения могут предсказать топ-20 этого года. Для начала мы соберем кучу (потенциально) полезных показателей, которые мы могли бы использовать в качестве регрессоров. По словам самих HLTV, такие статистические данные, как KPRW (количество убийств за выигранный раунд), их собственный рейтинг HLTV Rating 3.0 и награды MVP/EVP, в значительной степени учитываются при оценке игроков и их выступлений. Но одних высоких статистических показателей недостаточно, чтобы занять высокое место; они зависят от того, насколько престижным является событие, по итогам которого получены эти показатели, и вознаграждают за долголетие и доминирование над фиолетовым участком игры. Обучая модели контролируемого обучения на исторических рейтингах и данных, которые помогли их составить, мы можем попытаться математически воспроизвести ценности и предубеждения HLTV.

Две цели, две модели

Эту задачу лучше всего разбить на две части. Первая: какие игроки с наибольшей вероятностью войдут в топ-20? Вторая: как они могут быть упорядочены? В ходе экспериментов мы обнаружили, что для каждой из них оптимальны две различные архитектуры моделей с немного отличающимися наборами характеристик.

Модель A - бинарный (да/нет) классификатор "войдет ли этот игрок в топ-20?". - отдала предпочтение EVPs, K/D Differential, HLTV Rating, MVPs и общему количеству раундов из дюжины предоставленных нами метрик. Это рисует четкую картину: чтобы попасть в топ-20, вы должны иметь достаточно большой объем выборки и либо выиграть несколько турниров, либо стать одним из лучших игроков в нескольких турнирах. Это логично и соответствует интуиции каждого. Эта модель показала точность и отзыв ~0,91, что означает, что она смогла последовательно определить 18 или 19 игроков из 20 возможных на исторических данных. Не так уж плохо.

Модель B - парная модель обучения ранжированию (LTR) - оказалась гораздо интереснее. Рейтинг HLTV все еще оставался значительным фактором, но командный рейтинг, количество выигранных престижных турниров (Катовице, Кельн, мейджоры) и K/D в плей-офф неожиданно взлетели ввысь. Это любопытное открытие: попадание в топ-20, похоже, в большей степени зависит от индивидуальных заслуг, в то время как место в топ-20 зависит от того, насколько хорошо работала ваша команда в течение года, какие трофеи вы поднимали и как хорошо вы выступали под яркими лучами прожекторов. Это означает, что такие игроки, как Donk (или s1mple в прошлом), обладающие, возможно, самым высоким потолком мастерства, но не имеющие серебряных наград, предрасположены к более низкому рейтингу, чем игроки вроде ZywOo, которые по-прежнему невероятно талантливы, но имеют гораздо более сильный состав поддержки. Эта модель показала среднее значение ранга Спирмена ρ = 0,882 и MAE ≈ 1,8 на исторических данных. Это очень высокие показатели, и, говоря простым языком, когда модель ошибается с порядком, она ошибается максимум на одну-две позиции.

Предсказания

Учитывая теоретические преимущества этой модели, мы с нетерпением ждем, как она совпадет с реальностью в течение следующих нескольких дней. Модель была очень уверена в своих 19 лучших, давая им всем >74 % на попадание в список. А вот в 20-м месте он не был так уверен - 910 получили финальный кивок с шансами 51,50%, едва опередив yuurih, iM, kyousuke и YEKINDAR, которые в среднем набрали ~47%. Честно говоря, в этом вопросе у нас тоже есть разногласия.

Другим предметом спора, безусловно, является место номер один. Ранее мы говорили о том, что у модели есть предвзятость, и она прекрасно продемонстрировала ее здесь: donk превосходит ZywOo по всем значимым показателям на крупных мероприятиях, включая плей-офф и гранд-финалы. И все же он считает, что у ZywOo больше шансов занять трон, потому что его команда в этом году добилась больших успехов и взяла больше трофеев. Люди называют их величайшей командой всех времен, и, конечно, лучший игрок в такой команде должен быть лучшим игроком в мире, верно?

Что ж... устройство хотело бы высказаться.

| Игрок | 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 | 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 |

Если вы еще не в курсе, вы также можете играть дома. Дедлайн - 24 декабря, так что успейте сделать свои ставки до этого времени.