Dein Replay kennt dein Elo (auf 100 Punkte genau)

Hi, ich bin Nemzy, der Entwickler von AoE Buddy. Eine Frage ließ mich nicht los: Kann man dein Elo allein daran erkennen, wie du spielst?

Ich habe 12.800 Ranglisten-1v1-Replays von 600 bis 2.800 Elo analysiert und ein Modell trainiert, das nur dich betrachtet: weder deinen Gegner noch das Ergebnis. Fazit: Über 5 Spiele liegt es auf etwa 100 Elo genau.

Hier ist dies dass die Daten disent von notre Spiel, und dies die n'a nicht Markt.

1. Die Daten im Überblick

• 12.800 replays von 1v1 Rangliste, ebenso viele von Spiele bei 700 qu'bei 2.500, téléchargés des Punkt von gesehen des Spieler für avoir sein Kamera (10 Positionen pro Sekunde). Dazu 19.944 Replays aus dem Juli für das Training.
• 335 Indikatoren pro Spieler und pro Spiel: Befehle, Kamera, Dorfbewohner, âges, Kämpfe, Scouting, Mauern…
• 439 zurückgehaltene Spieler (je 15 Spiele): Das Modell sieht sie nie, an ihnen messen wir seinen Fehler.

alle minutes von l'article sont der Spielminuten (l'horloge in Spiel, die tourne bei ×1,7).

2. Was die Niveaus unterscheidet

vor von bauen eine IA, man a posé die question die mehr direkt: quels Indikatoren montent (oder descendent) mit l'Elo ? für chacun der 334 Indikatoren, man a berechnet eine Korrelation von rang (dite « von Spearman ») auf 21.081 Spieler-Spiele.

So liest du sie: Wir ordnen die Spieler nach dem Indikator und dann nach ihrem Elo und schauen, ob sich beide Rangfolgen ähneln. 0 veut dire kein lien, +1 veut dire dass l'Indikator range die Spieler exactement comme l'Elo, −1 qu'er die range bei l'envers (c'ist der cas der Reaktionszeit oder der Pausen: mehr c'ist bas, besser man ist). Au-delà von 0,5, c'ist ein lien sehr stark für ein Spiel auch varié qu'AoE2.

Parmi die 334 Indikatoren, man in a retenu 30 « große Indikatoren » compréhensibles pro ein Spieler, ein einzig pro famille (nicht drei variantes der Sprünge von Kamera), in den sept domaines des Spiel. der Hier ist in version console:

und der Detail, mit dies dass ça veut dire concrètement. Dans alles der Tabelle, « bei 1.000 » désigne die Spieler entre 1.000 und 1.199 Elo und « bei 2.000 » diejenigen entre 2.000 und 2.199 (médianes, c'est-à-dire der Spieler des Mitte von jede Bereich).

dies dass dies Rangfolge raconte

1. Geschwindigkeit schlägt alles. die actions nützlich pro Minute (ohne der spam von Klicks) kommen in tête mit +0,86: bei elles seules, elles rangent die Spieler presque comme l'Elo. und dies n'ist nicht qu'eine question von doigts: die mehr lang Pause ohne kein Befehl (−0,66) dit die même chose. ein Spieler bei 1.000 « décroche » 34 Sekunden d'affilée mindestens eine Mal pro Spiel; bei 2.000, nie mehr von 19.

2. Multitasking ist die echte Signatur des Niveaus. Wechsel zwischen Basis und Front (+0,74), gleichzeitig verwaltete Zonen (+0,73), Kamerasprünge (+0,77): Gute Spieler sind nicht nur schneller, sie sind überall zugleich. ein 2.000 gibt der Befehle dans 2,3 Zonen verschiedene alle 30 Sekunden; ein 1.000 dans 1,7, oft sein Basis und ein einzig autre endroit. C'ist für cela qu'man a sorti der multitâche von « Karte und vision » für in machen ein domaine bei Anteil ganz, « Multitâche »: Zonen verwaltet in même Zeit, Wechsel Basis / Front (+0,74), Produktion während die Kämpfe (+0,43). ein bon Scouting masquait jusque-là ein multitâche schwach.

3. Die Karte wird früh gelesen. vor 6 minutes, l'Scout d'ein Spieler bei 2.000 a visité 18 Zonen, gegen 6 bei 1.000. und während die 10 erste minutes, sein Kamera verbringt neuf Mal mehr von Zeit bei l'Gegner.

4. Wirtschaft zählt, aber weniger als gedacht. der Dorfzentrum untätig ist geteilt pro deux entre 1.000 und 2.000 (9,3 % gegen 4,0 %), aber sein Korrelation bleibt modeste (−0,39): bei Niveau égal, die écarts entre Spieler sont énormes, certains 1.000 laufen sehr bien und certains 2.000 laissent ihr Dorfzentrum schlafen. die ressources die liegen brach in Bank séparent besser die Niveaus (−0,55).

5. Die großen Überraschungen.

• Dorfbewohner bei 15 minutes: +0,20 nur. 30 Dorfbewohner bei 1.000, 31 bei 2.000. Die Erklärung ist mechanisch: Ein Dorfzentrum produziert bestenfalls alle 25 Sekunden einen Dorfbewohner, und der Aufstieg in die Feudalzeit blockiert es mehr als zwei Minuten. Nach 15 Minuten liegen deshalb fast alle an derselben Grenze, bei etwa 31 bis 33. Diese Zahl wird zudem aus Befehlen rekonstruiert, weil das Replay keinen Spielzustand enthält. Lies sie daher als Schätzung.
• L'Erreichen in Burgen nicht dit nichts (+0,01). 20,6 Minuten bei 1.000, 20,9 bei 2.000. Das Zeitalter-Timing, auf das alle achten, ist einer der schlechtesten Indikatoren für das Niveau. Eine Einschränkung: Wir zählen nur Spiele, in denen der Spieler die Ritterzeit erreicht.

• der Klick auf eine cible baisse mit der Niveau (−0,44). Auf den ersten Blick kontraintuitiv: Man würde erwarten, dass gute Spieler besser zielen. Tatsächlich machen sie etwas anderes in mehr: replis, regroupements, déplacements. der Klick auf cible devient minoritaire.

auf tous diese graphiques, jede Punkt ist ein Spieler dans eine Spiel (60 tirés zum hasard nach Bereich von 200 Elo), die Zeile folgt der Spieler median von jede Bereich und die Zone helle enthält die Hälfte centrale der Spieler. Survole-les für lesen die Werte.

Korrelation nicht veut nicht dire recette. Spammer die patrouille nicht te fera nicht gewinnen 500 Elo. diese Indikatoren sont der Spuren des Niveau: sie montrent dies dass font die bons Spieler, nicht forcément pourquoi sie gewinnen.

L'histoire von die Kamera

zum alles Beginn des Projekt, auf ein erste klein lot von 591 Spieler dont man avait die Kamera (presque tous entre 1.000 und 2.000), die Sprünge von Kamera pro Minute in Spielbeginn sortaient mit +0,40. C'était der erste signal stark, und der Punkt von départ von ganze eine famille d'Indikatoren von multitâche: Zonen verwaltet in même Zeit, Wechsel Basis / Front, Produktion während die Kämpfe, Zonen scoutées.

heute, auf 11.735 Spieler-Spiele von 600 bis 2.800 Elo, dies même Indikator monte bei +0,77, und seine kleine frères suivent: Wechsel Basis / Front +0,74, Zonen verwaltet in même Zeit +0,73, Zonen scoutées vor 6 min +0,69, Produktion während die Kämpfe +0,43.

Honnêtement, eine bonne Spiel von dies bond kommt von l'Skala: eine Korrelation grimpe mécaniquement wenn man compare der Spieler von 600 bis 2.800 plutôt dass von 1.000 bei 2.000. dies dass die Kamera a vraiment apporté, c'ist eine Idee: mesurer nicht nicht wie viele man Klicke, aber wo.

3. Die KI, die dein Elo schätzt

Eine Korrelation betrachtet jeweils einen Indikator. Um ein Elo zu schätzen, müssen wir alle kombinieren. Wir haben verwendet LightGBM, ein Entscheidungsbaum-Modell, das für solche Zahlentabellen oft eingesetzt wird: Es lernt Regeln wie „wenn die nützlichen Aktionen über 30 liegen und die Kamera die Basis oft verlässt, dann eher 1.800“.

Deux choix importants:

• Spieler isolé. der Modell nicht sieht nichts von l'Gegner: ni sein Elo, ni sein Spiel, ni der Ergebnis von die Spiel. Uniquement dies dass du tu as macht. C'ist indispensable für repérer ein smurf: er joue gegen der Gegner von sein faux Niveau und gagne, und man nicht veut surtout nicht dass der Modell in tire sein Schätzung.
• Validation pro Spieler. Alle Spiele eines Spielers bleiben auf derselben Seite, Training oder Test. Sonst würde das Modell den Spieler wiedererkennen, statt sein Niveau zu schätzen.

in pondérant comme die echte Skala des 1v1 Rangliste (wo er y a bien mehr von Spieler bei 1.200 qu'bei 2.600), l'durchschnittlicher Fehler ist von:

• 121 Elo in einem einzigen Spiel (etwa 12 %);
• 102 Elo über 5 Spiele (etwa 10 %).

diese deux moyennes viennent des même Modell, gemessen auf eine Hälfte der Spieler suivis nie verwendet für régler der Modell. auf die 439 Spieler suivis, der même Berechnung gibt 117 und 101: die Unterschied liegt bei l'échantillon, nicht zum Modell.

der Tabelle pro Niveau dit l'essentiel, y compris dies die fâche. der biais, c'ist l'Schätzung weniger l'tatsächliches Elo auf eine Spiel: négatif, der Modell sous-estime.

Deux choses sautent zu den yeux. in bas von l'Skala, der Modell surestime ein wenig die 600 bei 799 (+68): comme alles Modell von dies Typ, er tire die extrêmes vers der Mitte von l'Skala. und au-dessus von 2.000, die tendance s'inverse franchement.

der sommet bleibt ein Mauer. Dès 2.200, der Modell sous-estime (−127), puis von 245 Elo entre 2.400 und 2.599 und von 326 Elo au-delà. und regarder 5 Spiele zum lieu d'eine n'y change presque nichts (329 gegen 325 in hoch von l'Skala): dies n'ist nicht des bruit, c'ist ein Grenze. Nos Indikatoren nicht séparent alles simplement mehr l'Elite. ein 2.400 und ein 2.700 ont alle deux 40 nützliche Aktionen pro Minute, scoutent ebenso viele und agissent dans deux bei drei Zonen bei die Mal. dies die die sépare (lecture des Spiel gegnerisch, Entscheidungen zum bon moment, exécution der Kämpfe décisifs) nicht sich sieht nicht noch dans nos chiffres.

4. Und im Team?

der même Arbeit a été refait auf 7.381 replays von Ranglistenspiele in Team (2v2, 3v3 und 4v4), soit 44.113 Spieler-Spiele. Weiter gilt das Prinzip des isolierten Spielers: Das Modell betrachtet nur, was der Spieler tut, nicht seine Verbündeten, Gegner oder das Ergebnis.

• 118 Elo Fehler in einem Spiel (10,1 %): 114 in 2v2, 112 in 3v3, 124 in 4v4.
• 100 Elo ab 3 Spielen.
• der Modell 1v1 appliqué tel quel zu den Spiele d'Team macht bien schlechter: 192 Elo, in sous-estimant die Spieler. der Spiel in Team a seine eigen repères, er fallait ein Modell bei Anteil.
• Kontrolle anti-fuite: in séparant die Daten pro Spiel (damit zwei Teamkollegen aus demselben Spiel nie einer im Training und der andere im Test landen), bleibt der Fehler bei 116. Das Modell schummelt also nicht, indem es das Spiel wiedererkennt.
• und l'Indikator n°1 in Team ist der même qu'in 1v1: die nützliche Aktionen pro Minute.

5. Was nichts gebracht hat

Das ist der Teil, von dem man nie erzählt, obwohl er genauso viel Zeit gekostet hat wie der Rest. Jede dieser Ideen schien hervorragend. Keine hat den Fehler um mehr als 4 Elo verändert, also nur Rauschen:

• der Typ von Karte (ouverte, fermée, eau): 174 → 173;
• l'Elo « stabilisé » (corriger l'Elo der comptes récents);
• die investierter Wert und gesammelt, 46 Indikatoren von mehr: 117 → 117;
• die paquets Sync bruts des replay;
• ein réseau von neurones die lit die séquence complète der Befehle: 192, gegen 188 für LightGBM;
• retirer die réémissions des Engine (der Befehle dass der Spiel renvoie alles einzig).

und hinzufügen der Spiele ? die Kurve d'Lernen répond: jede Mal qu'man doppelt die Daten, l'Fehler baisse von 5 bei 7 Elo. Oberhalb von 2.400 bewegt sie sich aber gar nicht mehr. Mehr Replays lösen das Problem an der Spitze nicht.

Die Karte: Wir hatten ein Signal und sind ihm nachgegangen

Es gab Grund dafür. Je nach Karte verdoppelt sich der Fehler des Modells fast: etwa 190 Elo auf Scandinavia, 230 auf Arabia, über 310 auf Hideout und Fortress. Auf Discord kam dieselbe Idee immer wieder auf: Arabia und Arena werden nicht gleich gespielt. Deshalb haben wir diesen Test weitergetrieben als alle anderen: ein Modell pro Karte und zusätzlich 10.000 Arabia-Spiele, um auf 60.000 Trainingsspiele zu kommen. Immer mit Spielern, die das Modell nie gesehen hatte.

Es liegt nicht an der Menge. Beide Modelle wurden mit genau gleich vielen Spielen trainiert, von 2.500 bis 60.000: Das Modell für alle Karten gewinnt jedes Mal, und der Abstand bleibt bei rund 8 Elo, statt zu verschwinden.

Warum? Was ein Niveau verrät, also nützliche Aktionen, Wirtschaft und Micro, gilt von einer Karte zur nächsten. Ein Modell, das alle Karten gesehen hat, kennt mehr Spieler und Situationen und lernt besser, was wirklich zählt. Auch der Kartenname allein hilft nicht. Der Unterschied kam daher vor allem davon, wer diese Karten auf welchem Niveau spielt, nicht von den Karten selbst.

Das Volk: gleiches Signal, gleiches Ergebnis

Auch hier gab es ein Signal. Je nach gespieltem Volk reicht der Modellfehler von etwa 220 Elo bei den Birmanen bis über 380 bei den Mapuche. Das klingt plausibel: Einige Völker verändern die Indikatoren, die Hunnen brauchen keine Häuser und die Chinesen starten mit mehr Dorfbewohnern. Deshalb bekam das Modell erst das Volk des Spielers, dann auch das des Gegners.

Es wird sogar leicht schlechter. Das Modell muss das Volk nicht kennen, denn es liest es bereits aus den Befehlen des Spielers. Bei 56 Völkern hat jedes nur einige Hundert Spiele, sodass das Modell am Ende volksspezifisches Rauschen lernt. Die Abstände reichen von −28 bis +26 Elo und gleichen sich aus: Zufall, kein echter Effekt.

6. Wer gewinnt? Das Spiel Minute für Minute

in bonus, man a trainiert ein second Modell auf 12.793 Spiele, die regarde l'état der deux Spieler bei jede Spielminute (Armee, Wirtschaft, Technologien, âge…) und in déduit eine Siegwahrscheinlichkeit. Damit lassen sich Comebacks, verspielte Führungen und der Moment erkennen, in dem das Spiel kippt.

Quelques chiffres sortis von dies Modell (état von die Spiel einzig, ohne l'Elo):

• ein Spieler die verbringt unter 25 % von chances während deux minutes von suite finit wenn même pro gewinnen eine Mal auf six (17,6 %);
• etwa 11 % der Spiele connaissent ein echt retournement von dies genre;
• dans diese Spiele, der creux kommt der mehr oft autour von die 29e minute (Median), und elles durent nettement mehr longtemps (49 minutes in Median, gegen 38).

7. Der „Strategie“-Test: Gibt es ein unsichtbares Talent?

Diese Frage wurde auf Discord diskutiert. Die Hypothese: Manche Spieler haben ein deutlich höheres Elo, als ihr gemessenes Spiel erwarten lässt. Sie hätten ein Talent, das unsere Indikatoren nicht sehen. Nennen wir es „Strategie“, die sie gewinnen der Spiele dass ihr Spiel nicht laissait nicht prévoir. Die gegenteilige Hypothese: Dieser Unterschied ist vor allem Rauschen.

für trancher ohne tricher, die critères von réussite ont été écrits vor von lancer der moindre Berechnung. Dann haben wir die Spiele jedes Spielers zufällig in zwei Hälften geteilt, 200-mal, um zu sehen, ob sich das in einer Hälfte Gemessene in der anderen wiederfindet.

die Ergebnisse sont nets:

• L'Abstand « tatsächliches Elo weniger geschätztes Elo » ist ein trait sehr stable des Spieler: 0,87 Korrelation zwischen den beiden Spielhälften. Wenn das Modell dich in deinen Montagsspielen unterschätzt, tut es das auch in den Spielen vom Donnerstag.
• aber « gewinnen au-delà von l'état gemessen von die Spiel » n'ist nicht ein trait (0,08), und „verlieren, obwohl man führte“ auch nicht (0,03).
• und l'Abstand nicht prédit nicht die surperformance (−0,007). Unterschätzte Spieler gewinnen nicht mehr „von vornherein verlorene“ Spiele als andere.
• die composition d'Armee und die Technologien forment bien ein style stable (0,35), aber sie verbessern weder die Vorhersage des Gewinners (+0,1 %) noch die Elo-Schätzung.

und die gegen-épreuve die mehr parlante: die 20 % von Spieler die mehr surestimés, diejenigen dont der Spiel gemessen ist au-dessus von ihr Elo, gewinnen 59 % von ihre Spiele und führen zu den drei cinquièmes von die Spiel (0,55 von Siegwahrscheinlichkeit d'nach l'état gemessen). sie nicht sont nicht « surestimés »: sie sont in train von monter, und ihr Elo n'a nicht noch rattrapé ihr Spiel.

Fazit: Der Abstand zwischen deinem Spiel und deinem Elo ist real und individuell, aber keine geheimnisvolle Fähigkeit, Spiele zu drehen. Wahrscheinlicher ist eine Mischung aus noch nicht Gemessenem, etwa der Qualität entscheidender Kämpfe, und einem Elo, das dem Niveau hinterherhinkt oder vorausläuft.

8. Dein Spiel-Fingerabdruck

Letzter, fast beunruhigender Versuch: Wir zeigen dem Modell 6 Spiele, von denen eines nicht zum Spieler gehört. Es findet den Eindringling 99 % des Zeit (der hasard ferait 17 %). dies die trahit der mehr ein Spieler, dies sont seine habitudes d'interface: seine Hotkeys, sein façon von sélectionner, von rappeler seine groupes. ohne elles, der Modell reconnaît noch l'intruse 78 % des Zeit.

Dein Spielstil ist eine Signatur. Um einen Smurf oder einen gemeinsam genutzten Account zu erkennen, ist das eine sehr gute Nachricht.

9. Was wir mitnehmen

• Dein Replay verrät dein Niveau bei etwa 100 Elo nahe auf 5 Spiele, ohne nichts savoir von Dein Gegner ni des Ergebnis. in Team auch: 100 Elo bei partir von 3 Spiele.
• dies die macht der Niveau, c'ist die Geschwindigkeit nützlich und der multitâche, bien mehr dass der timing der âges oder der Anzahl von Dorfbewohner bei 15 minutes.
• L'Elite bleibt ein mystère für die chiffres: au-dessus von 2.400, dies die macht die Unterschied nicht sich lit nicht noch in den Befehle.
• der « talent invisible » n'a nicht passé der Test: l'Abstand entre Dein Spiel und Dein Elo ist stable, aber er nicht te macht nicht gewinnen die Spiele verloren.

und maintenant ? die prochaine étape: comprendre dies die sich verbringt zum sommet, là wo nos 335 Indikatoren nicht suffisent mehr.

10. Wie das Modell dein Elo verständlich schätzt

Eine Frage kommt immer wieder: „Warum liegt meine Wirtschaft bei 2.100, wenn mein geschätztes Elo nur 1.550 ist?“ Dafür muss man sehen, wie das Modell arbeitet. Es ist keine Checkliste zum Abhaken.

Es gibt kein Punkteschema

Niemand hat eine Regel wie „30 Dorfbewohner nach 15 Minuten = 1.500 Elo“ geschrieben. Das Modell hat selbst aus 57.450 Ranglisten-1v1-Spieler-Spielen gelernt, deren Elo es kannte. In jedem Spiel liest es deine 335 Indikatoren: Befehle, Kamera, Dorfbewohner, Kämpfe und Scouting. Nie das Spielergebnis und nie deinen Gegner.

900 kleine Entscheidungsbäume

Das Modell ist ein Wald aus 900 Entscheidungsbäumen. Jeder Baum stellt nacheinander ein paar Fragen zu deinen Indikatoren und addiert oder zieht dann einige Elo-Punkte ab. So sieht ein Baum aus:

Deine Schätzung ist die Summe dieser 900 kleinen Korrekturen. Also ist nichts alles oder nichts: Eine Schwäche kostet in vielen Bäumen ein paar Punkte, eine Stärke holt sie in anderen zurück. Derselbe Indikator wiegt je nach Rest deines Spiels anders. 30 Dorfbewohner nach 15 Minuten bedeuten etwas anderes, wenn du zugleich 35 statt nur 15 nützliche Aktionen pro Minute gibst.

Das Modell macht das für jedes deiner letzten 10 Spiele und bildet dann den Durchschnitt. Ein schlechtes Spiel entscheidet nicht allein.

Die Balken nach Bereich: sieben getrennte Urteile

Die Balken auf deiner Seite stammen nicht aus derselben Berechnung. Für jeden Bereich, Wirtschaft, Macro, Micro und so weiter, betrachtet ein eigenes Modell nur die Indikatoren dieses Bereichs und beantwortet eine Frage: „Welches Elo würden wir dir geben, wenn wir nur deine Wirtschaft sähen?“ Der Balken vergleicht diese Antwort mit einem typischen Spieler auf deinem Elo.

Diese sieben Urteile zählen in der Endschätzung nicht gleich viel. Das haben wir an 414 Spielern gemessen:

Micro und Geschwindigkeit machen 70 % des Ergebnisses aus. Militär und Multitasking wiegen fast nichts, nicht weil sie im Spiel unwichtig wären: Was sie messen, zeigt sich bereits in den anderen Bereichen. Gutes Multitasking sieht man schon an Geschwindigkeit und Macro, und das Modell zählt es nicht doppelt.

Ein echtes Beispiel im Detail: das „Boomer“-Profil

Ein Spieler mit 1.455 Elo, der auf der Website analysiert wurde. Auf seiner Seite: Wirtschaft auf dem Niveau eines Spielers mit 2.136, Macro bei 2.106, aber Micro bei 1.372 und eine Schätzung von 1.566. Wir schauen unter die Haube, um zu sehen, woher jede Zahl kommt.

Spiel für Spiel

Von Spiel zu Spiel reicht die Schätzung von 1.315 bis 1.817, während sein tatsächliches Elo nur zwischen 1.361 und 1.439 liegt. Sein bestes Spiel, 37 Minuten auf Arabia mit den Mongolen, wirkt wie das eines Spielers mit 1.800 Elo. Seine 55-minütige Niederlage mit den Japanern wirkt wie die eines Spielers mit 1.300. Deshalb nehmen wir den Durchschnitt: 1.566. Dass er 6 von 7 Spielen gewonnen hat, ist kein Zufall: Sein Elo steigt und das Modell sieht einen Spieler, der noch nicht fertig gestiegen ist.

Was seine Wirtschaft nach oben zieht

Jedes Bereichsmodell startet beim Durchschnitt aller Spieler, dann fügt jeder Indikator Punkte hinzu oder zieht sie ab. Das wiegt in seiner Wirtschaftsnote am stärksten, verglichen mit Spielern auf seinem Niveau, 1.350 bis 1.550 Elo:

Der rote Faden: Er gibt alles aus, was er sammelt. Zwischen Minute 20 und 30 hält er im Schnitt 657 Ressourcen auf der Bank, während Spieler auf seinem Niveau 1.000 dort liegen lassen. Dazu kommen fast nie untätige Dorfbewohner, früh gejagte Hirsche und Gold fünf Minuten vor den anderen. Das ist die Wirtschaft eines deutlich stärkeren Spielers. Nur eine Zeile spricht gegen ihn: Er hat etwas weniger bauende Dorfbewohner als der Durchschnitt und das Modell hat gelernt, dass auf diesem Niveau mehr Bauen mit höherem Elo zusammengeht.

Was seine Macro nach oben zieht

Sein Opening ist schnell und sauber: Feudalzeit zwei Minuten vor den Spielern auf seinem Niveau, die erste Militäreinheit zwei Minuten früher und doppelt so viel Armee nach 15 Minuten. Aber schau auf die erste Zeile: Seine Macro-Aktionen liegen genau im Durchschnitt, trotzdem bringt ihm dieser Indikator am meisten. Genau das bedeutet „kein Punkteschema“: Das Modell liest diese Zahl nicht allein. Mit einer so schnellen Feudalzeit und so viel Produktion beschreibt dieselbe Rate von 9,8 Aktionen pro Minute einen effizienten Spieler, der aus gleich vielen Klicks mehr macht.

Was seine Micro nach unten zieht

Er kämpft so viel wie die anderen, sogar etwas mehr, kontrolliert seine Einheiten aber weniger: keine Patrouillen und fast halb so viele verkettete Befehle. Dasselbe gilt wie bei Macro: Seine Micro-Intensität liegt leicht über dem Durchschnitt, kostet ihn aber Punkte, weil sie mit wenigen präzisen Befehlen einhergeht. Das Modell sieht eher erlittene als gelenkte Kämpfe. Und es ist keine schlechte Phase: Seine Micro-Note ist in allen 7 Spielen niedrig.

Wie die sieben Urteile zusammenkommen

Seine Wirtschaft und Macro bringen fast 200 Punkte. Seine Micro, die schwerer wiegt als beide zusammen, nimmt 121 davon wieder weg. Übrig bleiben +98: das auf seiner Seite angezeigte „Potenzial“. Sein Referenzniveau von 1.468 plus 98 ergibt die Schätzung von 1.566.

Was das für ihn bedeutet

Das ist kein Widerspruch, sondern ein Profil: Sein Aufbauspiel ist das eines Spielers mit 2.100 Elo, sein Kampfspiel das eines Spielers mit 1.300. Seine Seite gibt auch einen konkreten Hinweis: Wenn der Gegner in seiner Basis auftaucht, reagiert er nach 25 Sekunden, Spieler auf seinem Niveau nach 11. Das geschah in 6 von 7 Spielen. Patrouillieren, Befehle verketten und schneller auf Raids reagieren: Dort liegen seine nächsten Elo-Punkte, nicht in seiner Wirtschaft.

Méthode, für die curieux

• Corrélations: Spearman entre jede Indikator und l'Elo des Spieler vor die Spiel, eine Zeile pro Spieler und pro Spiel von 1v1 Rangliste, Spiele von weniger von 8 minutes ausgeschlossen, auf der Spiel complet (21.081 Spieler-Spiele, 12.670 Spiele, 8.589 Spieler). Contrôles: même Berechnung mit eine einzige Zeile pro Spieler, und auf der tirages wo jede Bereich von 200 Elo wiegt ebenso viele; der Rangfolge change wenig (die mehr große Unterschied betrifft die Wechsel von Formation: +0,67, und +0,48 mit eine einzige Zeile pro Spieler). die Indikatoren von Kamera nicht beziehen sich dass auf der Spieler die a enregistré der replay (11.735 Spieler-Spiele).
• Médianes: nach Bereich von 200 Elo, von 600 bis 2.800.
• Modell: LightGBM, isolierter Spieler, Validierung pro Spieler (GroupKFold), Test mit 439 nie gesehenen Spielern. Fehler nach Bereich: runs/v4b-eval.log; Durchschnitt pondérée comme l'Skala réelle: runs/calib-multi.log (même Modell, Spiel v4, Hälfte der Spieler suivis nicht verwendet für der réglage).
• Skripte: article/stats.py (corrélations), article/export_page_data.py (Daten der graphiques).