Po mistrzostwach świata oraz wydarzeniu All-Stars 2017 wiele osób z niecierpliwością oczekuje rozpoczęcia kolejnych rozgrywek League of Legends Championship Series. Mimo że ostatnie pojedynki letniego splitu już dawno za nami, postanowiłem wrócić do tamtego okresu i przeprowadzić analizę graczy występujących w EU i NA LCS Summer Split 2017. Na pierwszy ogień idą supporci.

Chcąc opisać poszczególnych zawodników, zdecydowałem się na wykorzystanie wybranych metod z zakresu analizy skupień. Istotą analizy skupień jest grupowanie (klasyfikacja) elementów w struktury (skupienia, klasy). Obiekty będące w tej samej grupie (skupieniu) powinny być jak najbardziej do siebie podobne i jednocześnie jak najbardziej różnić się od obiektów z innych grup. W celu dokonania klasyfikacji i uwydatnienia różnic między skupieniami należy wybrać odpowiedni zestaw zmiennych (cech, które charakteryzują grupowane elementy). Dopiero po ich ustaleniu można utworzyć skupienia, w których elementy są do siebie podobne pod względem danych charakterystyk. Przykładowa ilustracja oddającą istotę analizy skupień znajduję się poniżej.Grupa ludzi (klasyfikowane obiekty) została podzielona ze względu na dwie charakterystyki (zmienne): liczbę zakupionych w ciągu tygodnia butelek coli oraz paczek chipsów. Można z nich wyodrębnić dwa skupienia, które na rysunku oznaczone są kolorem czerwonym i niebieskim. SKUPIENIE 1 to ludzie, którzy kupują duże ilości chipsów i coli. Natomiast SKUPIENIE 2 tworzą osoby unikające tego typu produktów.

W mojej analizie, na podstawie wybranych statystyk, będę tworzył grupy zawodników. Następnie wskażę cechy charakterystyczne powstałych skupień oraz przedstawię, jakimi czynnikami różniły się poszczególne klasy.

Dane dotyczą wszystkich meczów zawodników, którzy rozegrali na pozycji wspierającego przynajmniej 10 gier w letnim splicie. Wyjątek stanowią statystyki z ostatniego tygodnia splitu z pojedynków  Roccat,  Misfits,  Vitality i  Splyce. Nie zostały one uwzględnione, ponieważ gracze tych drużyn grali o pietruszkę i zdecydowanie nie potraktowali rozgrywek poważnie (np.  Vander i jego  Garen pick). W analizie nie zwarto również fazy playoffs. Poniżej przedstawiam opis zmiennych wybranych do analizy porównawczej supportów.

• DMGPERC – przeciętny udział całkowitych obrażeń zadanych bohaterom
• KDA – stosunek łącznej liczby zabójstw i asyst do liczby zgonów
• DPM – przeciętna liczba obrażeń zadanych bohaterom na minutę
• WPM – przeciętna liczba stawionych totemów na minutę

Słowo “udział” odnosi się do udziału w drużynie. Np. jeżeli dany gracz ma DMGPERC na poziomie 0,2, to zadane przez niego obrażenia, średnio stanowiły 20% całkowitych zadanych obrażeń przez drużynę, w której grał.

Zawodnicy grający w roli wspierającego zostali podzieleni na 5 skupień. Poniżej przedstawiono graczy wraz z numerem grupy, do której zostali przypisani.Jedną z graficznych prezentacji pogrupowanych obiektów jest tzw. Silhouette plot:

Wykres przedstawia wszystkie 5 skupień (każde oznaczone innym kolorem), do których zostali przypisani poszczególni zawodnicy. Im dłuższy jest dany słupek przy nicku gracza, tym lepsza jest jego jakość klasyfikacji (dany zawodnik jest w tej grupie, w której być powinien). Natomiast mała długość słupka może świadczyć, że zawodnik został błędnie sklasyfikowany (nie powinien być w danym skupieniu). Uwaga! Jeżeli ktoś ma długi słupek, to nie oznacza to, że jest lepszy od innych. Average silhouette width pod wykresem wskazuje na ogólną jakość grupowania. W przypadku grupowania supportów miara ta wyniosła 0,61. Świadczy to o dobrej jakości klasyfikacji.

Interpretacje danych grup uzyskałem poprzez porównanie średnich wartości statystyk dla poszczególnych skupień. Analiza skupień jest przeprowadzana na zmiennych standaryzowanych. W takim wypadku można mówić tylko, że średnia wartość jakieś zmiennej w danym skupieniu jest wyższa/niższa w porównaniu do innego skupienia (nie można mówić o ile lub o ile razy wyższa/niższa). Ilustracja tych średnich znajduję się na rysunku poniżej.

Na podstawie powyższego rysunku można stwierdzić, że grupę, która jest najmniej efektywna pod względem wybranych statystyk, tworzą (kolor czerwony na wykresie):

 Vander,  Dreams,  sprattel,  Wadid,  Xpecial i  Gate.

Zawodnicy ci uzyskiwali najniższe wśród supportów występujących w LCS średnie wartości: udziału całkowitych obrażeń zadanych bohaterom w drużynie (DMGPERC), liczby obrażeń zadanych bohaterom na minutę (DPM) oraz KDA. Jedynie w liczbie stawionych totemów na minutę (WPM) nie odstawali od pozostałych graczy. Małe ilości zadawanych obrażeń nie są czymś zadziwiającym, gdy spojrzy się na postacie, jakimi najczęściej grała powyższa grupa.  Braum,  Tahm Kench,  Thresh,  Alistar,  Rakan skupiają się raczej na ochronie sojuszników lub inicjacji walk. Warto również zwrócić uwagę na drużyny, w których występowali supporci ze skupienia 1. Pierwsza czwórka to zawodnicy występujący wówczas w  Vitality,  Mysterious Monkeys,  Ninjas in Pyjamas i  Roccat. Natomiast Xpecial i Gate znajdowali się w odpowiednio w amerykańskich  Phoenix1 i  Echo Fox.  Można zauważyć, że w rozgrywkach letniego splitu LCS 2017 były to ekipy, mieszczące się w dole tabel. Należy więc dostrzec wpływ drużyn na statystyki tych wspierających. Support jest to rola, w której nierzadko obrywa się najwięcej i często poświęca się życie za innych. Trudno jest więc obarczać winą powyższych graczy z powodu nie najlepszego KDA. Krzywdzące byłoby stwierdzenie, że grupa ta jest najsłabsza. Powinno się raczej oceniać ją jako osoby tworzące kolektyw. Z tego względu supporci tworzący 1 skupienie zasługują na miano zawodników słabo radzących sobie drużyn.

Ciężko jest wyodrębnić najlepszą grupę wspierających. W 4 skupieniu znajdziemy:

Big,  LemonNation oraz  Olleh.

Powyższa trójka to zawodnicy NA LCS, występujący wówczas w różnych, pod względem wyników, drużynach. Osiągali oni najlepsze przeciętne wartości związanie zadawanymi obrażeniami (DMGPERC oraz DPM). Spoglądając na ich champion pool, można dostrzec wiele gier magami. Big i LemonNation korzystali dużo z Morgany i Zyry. Olleh używał z powodzeniem Barda i  Karmy. Oprócz wysokiego wkładu w obrażenia drużyny, gracze  Dignitas,  FlyQuest oraz  Immortals odznaczali się jednym z najgorszych KDA. Jednocześnie grupa ta jest przedostatnia pod względem liczby stawionych totemów na minutę (WPM). Jeśli by uznać, że większa liczba stawianych wardów nie jest czymś pozytywnym dla supporta oraz przymknąć oko na KDA (support często się poświęca), to wyżej wymienianych zawodników można by określić mianem jednych z najlepszych wspierających w ostatnich rozgrywkach LCS.

Do 3 skupienia zaklasyfikowano poniższych graczy:

 Mikyx,  Shady,  Adrian i  Hakuho.

Znajdują się tu supporci przeciętnie radzących sobie drużyn (w ubiegłej letniej edycji LCS). Charakteryzują ich najwyższe średnie wartości liczby stawionych totemów na minutę (WPM). Ponadto zawodnicy z tej grupy plasują się na drugim miejscu pod względem przeciętnych wartości zadawanych obrażeń (DMGPERC, DPM) i KDA. Skupienie te tworzy mieszanka osób lubiących robić obrażenia na supporcie ( Hakuho,  Shady) oraz graczy preferujących standardowe postacie (  Mikyx,  Adrian). Wydają się oni być zrównoważoną grupą, którą również można zaliczyć do czołówki supportów, ze względu na wybrane charakterystyki.

Supporci przypisani do 5 skupienia to:

 Chei,  Jesiz,  IgNar,  mithy,  Biofrost oraz  Smoothie.

Powyżsi gracze to czołówka pod względem KDA. Znowu warto podkreślić wpływ drużyn, w których oni występowali. Supporci ci grali w odpowiednio  H2K,  Fnatic,  Misfits,  G2 Esports,  Team SoloMid oraz  Cloud9. Z wyjątkiem  Misfits są to ekipy, które w poprzednim splicie miały współczynnik zwycięstw na poziomie 60% lub wyższym. Dobre wyniki drużyn z pewnością mają odzwierciedlenie w KDA powyższej grupy. Zawodników tych cechuje również przeciętna liczba stawianych totemów na minutę (WPM). Nie najlepsze są natomiast charakterystyki dotyczące zadawanych obrażeń (DMGPERC oraz DPM). Patrząc tylko na statystyki może by stwierdzić, że znajdują się tu wyrachowani supporci, którzy nie przywiązują wagi do robienia DPS.

Ostatnią opisywaną grupą, są zawodnicy znajdujący się w skupieniu 2:

 Hylissang,  Matt i  aphromoo.

Mamy tu graczy niezłych drużyn:  Unicorns of Love (Hylissang) i  Counter Logic Gaming (aphromoo) oraz nie najlepszej  Team Liquid (Matt). Zawodnicy ci wypadają najgorzej (jeżeli uznać, że większa średnia liczba stawianych wardów nie jest pożądana, to najlepiej) pod względem stawianych wardów na sekundę (WPM) oraz przeciętnie pod względem pozostałych aspektów. Przeciętna grupa wspierających, ze względu na uwzględnione w analizie statystyki.

W artykule starałem się porównać zawodników grających w EU i NA LCS Summer Split 2017. 22 profesjonalnych graczy z pozycji supporta podzielono na 5 skupień. Ogólnie rzecz biorąc, każdej grupie można nadać nazwę:

• 1 skupienie (Vander,  Dreams,  sprattel,  Wadid,  Xpecial, Gate) – supporci nie najlepszych drużyn
• 2 skupienie (Hylissang,  Matt,  aphromoo) – przeciętniacy, nieprzepadający za wardami
• 3 skupienie (Mikyx,  Shady,  Adrian,  Hakuho) – miłośnicy stawianych totemów
• 4 skupienie (Big,  LemonNation, Olleh) – damage dealers (zadający największe obrażenia)
• 5 skupienie (Chei,  Jesiz,  IgNar,  mithy,  Biofrost, Smoothie) – KDA players, zawodnicy najepszych drużyn

Udało się wskazać i scharakteryzować najmniej efektywnych (pod względem wybranych statystyk) zawodników. Natomiast nie sprecyzowano, która grupa była najlepsza. Należy zaznaczyć, że na poszczególne statystyki wpływ mogły mieć nie tylko umiejętności, champion pool czy dyspozycja graczy. Prawdopodobnie istotnym czynnikiem było również powodzenie drużyn, w których oni występowali.

W kolejnym artykule przeprowadzona zostanie analiza „prosów” grających na pozycji ADC.

Dodatkowe uwagi dla dociekliwych statystyków
Obliczenia i wykresy zostały wykonane w środowisku R. Przy wyborze zmiennych posłużyłem się metodą HINoV. Zmienne potraktowałem jako stymulanty (jeżeli chodzi o liczbę stawianych totemów, to być może nie koniecznie słusznie). 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.