Już 19 stycznia inauguracja kolejnych rozgrywek LCS. Tymczasem, w przedostatnim artykule serii biorę pod lupę mid lanerów, którzy występowali w poprzednim splicie.

Przypominam, że wprowadzenie do analizy zostało przedstawione w pierwszym tekście dotyczącym supportów. Znajdują się tam informacje pomagające zrozumieć sens analizy skupień oraz interpretacje rysunków ukazanych w dalszej części tekstu.

Statystyki dotyczą wszystkich zawodników, którzy rozegrali na środkowej alei przynajmniej 10 gier w letnim splicie. Pojedynki  Roccat,  Misfits,  Vitality i  Splyce z ostatniego tygodnia splitu nie zostały uwzględnione. W celu przeprowadzenia analizy wykorzystano trzy statystyki, które najlepiej różnicują wybranych graczy:

• GD10 – przeciętna różnica (w odniesieniu do przeciwnika na danej pozycji) w zdobytym złocie w 10 minucie
• CSD10 – przeciętna różnica (w odniesieniu do przeciwnika na danej pozycji) w zabitych creepach w 10 minucie
• DPM – przeciętna liczba obrażeń zadanych bohaterom na minutę

Umownie można przyjąć, że GD10 i CSD10 dla dodatnich wartości obrazują przewagę nad oponentem we wczesnej fazie gry, natomiast dla ujemnych stratę do przeciwnika w tym samym etapie rozgrywki.

Ze względu na wybrane statystyki, mid lanerów sklasyfikowano do czterech różniących się od siebie grup. Poniżej zaprezentowano składy wszystkich skupień, a także rysunek przedstawiający jakość grupowania poszczególnych zawodników (Silhouette plot).

Po raz kolejny chcę podkreślić, że długość słupka nie świadczy o sile danego gracza. Informuje ona o jakości klasyfikacji, tzn. czy pojedyncza osoba znalazła się w odpowiedniej grupie (ma podobne statystyki do zawodników z tego samego skupienia i jednocześnie różni się od graczy z pozostałych grup). Natomiast średnia wartość miary ogólnej jakości grupowania wszystkich zawodników (Average silhouette width) wynosi 0,53. Wybrana metoda analizy nieźle poradziła sobie z klasyfikacją.

Poniżej przedstawiam graficzną ilustrację średnich wartości statystyk dla każdej grupy. Poprzez porównywanie tych średnich można w pewnym stopniu scharakteryzować utworzone skupienia.

Chcąc rozpocząć od najmniej efektywnych zawodników, pod względem wybranych trzech statystyk, można wskazać skupienie 3. Zachodzi tutaj sytuacja podobna, do omawianej wcześniej analizy adc. Występuje tu “jednoelementowa grupa”, którą tym razem tworzy  Exileh .

Zawodnik nieźle radzących sobie wówczas  Unicorns of Love odznaczał się niekorzystnymi statystykami w porównaniu do pozostałych grup mid lanerów. Ogólnie rzecz biorąc, nie był to najlepszy split Niemca. Mimo wszystko, „jednorożce” zdecydowały się przedłużyć z nim kontrakt na nadchodzący sezon, dając sygnał, że ufają swojemu zawodnikowi. Należy również pamiętać, że jeszcze w letnich rozgrywkach 2016, Exileh uznawany był za jednego z najlepszych europejskich graczy na środkowej alei. Także w edycji wiosennej 2017 nie szło mu najgorzej i został wyróżniony w #3 All Pro Team. Być może zniżka formy była tymczasowa i w nadchodzącym splicie LCS poprawi swoje występy.

Kolejna omawiana grupa jest najliczniejsza. Skład skupienia 1 prezentuje się następująco:

 CozQ,  Nagne,  Betsy,  Pirean,  Nisqy,
Goldenglue,  Ryu,  Hai,  Keane.

Mamy tu zawodników cechujących się średnio ujemnymi wartościami różnicy w złocie i creepach w 10 minucie (GD10, CSD10). Na podstawie tych statystyk można powiedzieć, że nieco odstawali od swoich przeciwników we wczesnej fazie gry. Ponadto charakteryzowała ich mała liczba zadawanych obrażeń na minutę (DPM). Powyżsi gracze występowali w ubiegłorocznym splicie w słabo lub przeciętnie radzących sobie drużynach europejskich i amerykańskich, co mogło przełożyć się na niekorzystne statystyki. Części z nich prawdopodobnie nie zobaczymy w nadchodzących rozgrywkach LCS. CozQ, Nagne, Pirean pozostają bez drużyn, natomiast Goldenglue i Keane będą toczyć pojedynki w NA Academy League. Pozostała czwórka będzie występować w następujących ekipach: Betsy w  Giants Gaming, Nisqy w  Splyce, Ryu w  100 Thieves, a Hai w  Golden Guardians. Można więc obserwować czy w nowych drużynach popracują oni nad osiąganiem przewagi w early game oraz zadawanymi obrażeniami.

Do jednych z najlepszych statystycznie graczy, zaliczają się zawodnicy formujący skupienie 4:

 Nukeduck,  Sencux,  Caps,  Perkz, 
PowerOfEvil,  Pobelter,  Huhi.

Spoglądając na średnie wartości wybranych do analizy zmiennych, można uznać, że powyższa grupa nieźle prezentowała się w kwestii zdobywania przewagi w zabitych stworach i zarobionym złocie (GD10, CSD10). Ponadto charakteryzowała się wysoką ilością zadawanych obrażeń na minutę (DPM). Wymienieni zawodnicy, grający wtedy w dobrych i przeciętnych ekipach, wydają się być w czołówce zaraz za 2 skupieniem. Caps, Perkz i Huhi kolejny sezon spędzą w tych samych drużynach (  Fnatic,  G2 Esports,  Counter Logic Gaming). Jeżeli chodzi o pozostałych członków utworzonej grupy, to: Nukeduck zagra dla  FC Schalke 04, Sencux będzie występować w  Misfits, PowerOfEvil przeszedł do  OpTic Gaming, a Pobelter do  Team Liquid. Czekamy na występy w następnym LCS i potwierdzenie jakości grupy, złożonej z pięciu graczy europejskich i z dwóch zawodników amerykańskich drużyn.

Górującym skupieniem na wykresie średnich jest skupienie 2, w którym to znajdziemy następujących zawodników:

 Febiven,  Froggen,  Bjergsen,  Jensen.

Czytając powyższe nicki wydaję się, że mamy tutaj jednych z najlepszych graczy występujących w LCS na środkowej alei. Froggen należy do jednych z najbardziej rozpoznawalnych graczy w Europie. Febiven przez lata występował w zespołach z europejskiej czołówki (  Fnatic,  H2K), natomiast Bjergsen i Jensen długo stanowią o silę  Team SoloMid i  Cloud9. Grupa ta prezentowała najefektywniejsze średnie wartości wybranych do analizy statystyk. Można powiedzieć, że omawiana czwórka zawodników potrafi sobie wypracować przewagę w early game, a także cechuje ją dużą siła rażenia, jeżeli chodzi o liczbę zadawanych obrażeń. Ze statystycznego punktu widzenia szczególnie warto wyróżnić Froggena, ówczesnego mid lanera Echo Fox. Osiąganie bardzo dobrych statystyk na tle innych, jest czymś rzadkim w przypadku zawodników występujących w słabszych zespołach. Nie zobaczymy go jednak w następnym splicie, ponieważ robi on sobie przerwę od profesjonalnego grania. Będzie można natomiast obserwować występy pozostałej trójki, w tym Febivena, który zmienił region i będzie grał w  Clutch Gaming.

Korzystając z analizy skupień podzieliłem na grupy profesjonalnych zawodników grających na środkowej alei. W sumie 21 graczy przypisano do 4 różniących się od siebie skupień:

• 1 skupienie (CozQ, Nagne, Betsy, Pirean, Nisqy, Goldenglue, Ryu, Hai, Keane) – niezbyt efektywni pod względem statystyk
• 2 skupienie (Febiven, Froggen, Bjergsen, Jensen) – czołówka
• 3 skupienie (Exileh) – nie najlepszy statystycznie zawodnik
• 4 skupienie (Nukeduck, Sencux, Caps, Perkz, PowerOfEvil, Pobelter, Huhi) – jedni z najlepszych

Analiza dość jednoznacznie wykazała zarówno najlepszych, jak i tych mniej efektywniejszych pod względem wybranych statystyk. Nie można jednak określać danych graczy najsłabszymi, ponieważ zostały wzięte pod uwagę tylko trzy zmienne, które nie odzwierciedlają w stu procentach wartości danych zawodników. Ponadto często bywa tak, że istotny wpływ ma drużyna, w której poszczególna osoba występuje. Z reguły, gdy drużynie gorzej się wiedzie, ma to odzwierciedlenie w słabszych statystykach pojedynczych zawodników. Niekoniecznie oznacza to, że dany gracz jest bezwartościowy.

W ostatnim artykule z serii analizy porównawczej zawodników rywalizujących w LCS Summer Split 2017 zestawieni ze sobą zostaną gracze z górnej alei.

Dodatkowe uwagi dla dociekliwych statystyków
Obliczenia i wykresy zostały wykonane w środowisku R. Przy wyborze zmiennych posłużyłem się metodą HINoV. Zmienne potraktowałem jako stymulanty. Dla danych została zastosowana standaryzacja. Korzystając z metody Warda (z kwadratem odległości Euklidesowej jako miarą odległości), analizowałem uzyskane dendrogramy i rozważałem różne liczebności skupień. Ostateczne wyniki uzyskałem przy pomocy metody k-średnich dla liczby klas, przy której indeks Silhouette był najwyższy.