电竞之家_品味电竞生活移动版

DAC主赛事VG对战TNC的第三局，比赛进行到45分钟VG被破一路、经济落后近3W，在几乎所有人都认为91开、VG将输掉比赛的时候，大老师却坚信VG仍有五成胜率。最终VG成功翻盘，大老师一战成名！

赛后水友们议论纷纷：难道大老师预言了瑞文同志的入党？或者直接改写了掉圣剑的剧本？大老师究竟有什么奇技淫巧？

「问题：大老师到底从哪里借了一双慧眼，居然比打了10多年刀塔的知名玩家看得还准？」——最适合回答这个问题的人应该是大老师的作者，其次是机器学习大牛。但是真正的大牛都很忙，往往没时间做科普。

那么，就由我这个初级数据分析师给大家简单讲一讲吧。

实时预测DOTA2胜负有多难？

我发现很多朋友被“预测贼准、从不失误”的大老师吓到了，甚至因此加深了对人工智能的恐惧...

对此我只想说：兄弟，你误会了！

其实，这件事并没有这么难，大数据老师仍然只是在弱人工智能的大框架下解决了一个不太复杂的问题。本质上讲，实时预测DOTA2胜负和机器学习经典模式识别问题（比如垃圾邮件识别、图像识别等）是一样的（只是多了一个时间维度）。这类问题的数据源、特征和常用模型都不复杂：

数据：海量数据（每天百万级别的DOTA2游戏局数）

特征：特征丰富，容易提取和胜负相关的特征

模型：模型成熟，经典的逻辑回归或者随机森就能取得很好效果

而DOTA2玩家熟知的更难的问题是：

【已解决】中路SOLO赛，AI吊打人类最强选手（模型复杂）

【未解决】AI预测TI8冠军（数据样本少，有效特征提取难）

所以，大家不要慌。等AI在5V5正式比赛中吊打最强人类队伍，或者微软再次跳出来预测TI8赛况非常准确时，才是我们真正该恐惧的时候~

大老师具体是怎么做的

除非作者亲自讲解大老师的预测算法，否则我们无法确切知道底层实现细节。好在「DOTA2胜负预测」这个问题已经有不少人研究过，并公开发表了论文（你没看错，我们DOTA2就是这么屌）。下面我就以UCSD两名刀友的论文「DOTA2 Win Prediction」为例，给大家介绍一下大老师的具体做法。

和大老师主打的「实时预测DOTA2胜负」不同，这篇论文是在比赛开始前（BP结束，阵容确定）和比赛结束后对胜负进行预测。这两个用逻辑回归做的预测模型，都取得了非常出色的准确率：