TLoL Dataset Analysis (Patch 13.23: Ezreal 60k)

分析60k Ezreal数据集，用于训练《英雄联盟》的人类/超人类级别AI。数据集包括对Ezreal角色的详细分析，包括技能使用、目标距离和数据处理问题等。

Analyzing the 60k Ezreal dataset, designed for training human/superhuman-level AI for 'League of Legends'. The dataset includes a detailed analysis of the Ezreal character, encompassing skill usage, target distance, and data processing issues, among others.

原始信息汇总

TLoL Dataset Analysis (Patch 13.23: Ezreal 60k)

数据集假设

• 时间限制：前3分钟内的小兵名称采用1-热编码。
• 玩家控制角色：Ezreal，所有动作特别针对此角色设计，远程角色易于实施。

数据集问题

• 自动攻击推理：从导弹中推理自动攻击不可靠，特别是在16倍回放速度下。
  • 自动攻击数据抓取不完整，建议降低回放速度至2x或4x，或修复active spell以提高可靠性。
  • 当前检测到的自动攻击具有高准确率但召回率低。
• Ezreal Q技能使用：技能目标离散化存在问题，仅覆盖±400单位，而Ezreal Q技能范围为1100单位。

数据转换考虑

• 标签编码：在批量转换机器学习数据集时，需要保持嵌入索引的一致性。
  1. 获取原始列表：从数据龙中获取每个咒语的内部名称列表，并索引。
  2. 使用哈希：通过哈希任何找到的咒语名称，创建特定字符串类型的构建时字符串列表，并索引。

数据验证结果

• Ezreal与目标之间的自动攻击距离通常远高于自动攻击范围，表明存在后处理数据处理错误或运行时抓取问题。

搜集汇总

数据集介绍

构建方式

TLoL数据集分析（Patch 13.23: Ezreal 60k）的构建基于《英雄联盟》游戏中的特定角色Ezreal，数据采集集中在游戏的前三分钟内。数据集通过一热编码（1-hot encoding）技术对小兵名称进行编码，确保数据的精确性和一致性。此外，数据采集过程中，特别关注了Ezreal的技能使用情况，尤其是其Q技能和W技能的瞄准精度问题，尽管存在一定的技术挑战，如自动攻击的推断在高倍速回放中的不可靠性。

特点

该数据集的特点在于其高度定制化的数据采集方式，专注于Ezreal这一远程英雄的技能使用和战斗行为。数据集中的自动攻击数据虽然存在一定的召回率问题，但其真实阳性准确率较高。此外，数据集还包含了Ezreal技能使用的离散化瞄准数据，尽管在精细瞄准方面存在局限性，但仍为研究提供了宝贵的信息。数据集的构建还考虑到了跨版本的一致性，通过数据龙（Data Dragon）获取所有技能名称的原始列表，确保了数据索引的一致性。

使用方法

TLoL数据集分析（Patch 13.23: Ezreal 60k）的使用方法主要包括数据预处理和机器学习模型的训练。在预处理阶段，用户需要确保数据索引的一致性，可以通过获取原始技能名称列表或使用哈希技术来实现。数据集适用于研究Ezreal的技能使用模式、自动攻击的推断准确性以及远程英雄的战斗行为分析。在使用过程中，用户应注意数据采集和处理过程中可能存在的误差，如自动攻击距离的异常值，以确保研究结果的准确性。

背景与挑战

背景概述

TLoL数据集分析（Patch 13.23: Ezreal 60k）是一个专注于《英雄联盟》游戏中特定英雄Ezreal行为的数据集，旨在通过分析游戏前3分钟内的行为数据，为机器学习模型提供训练基础。该数据集由游戏数据分析领域的专家团队构建，主要研究问题集中在如何通过游戏内的动作数据（如技能使用、自动攻击等）来优化AI在游戏中的表现。数据集的创建时间为2023年，其核心价值在于为游戏AI的开发提供了高质量的行为数据，推动了游戏AI在复杂环境下的决策能力研究。

当前挑战

TLoL数据集在构建和应用过程中面临多重挑战。首先，自动攻击的推断在高速回放（如16倍速）下不可靠，导致数据采集的准确性和完整性受到影响。其次，Ezreal的Q技能使用数据存在离散化问题，技能瞄准范围与实际游戏中的技能范围不匹配，影响了数据的精确性。此外，数据转换过程中，技能名称的编码一致性也是一个关键问题，尤其是在跨版本更新时，新英雄或技能的变化可能导致数据索引不一致。这些挑战不仅影响了数据集的质量，也对后续的机器学习模型训练提出了更高的要求。

常用场景

经典使用场景

TLoL数据集在电子竞技分析领域具有重要应用，尤其是在《英雄联盟》游戏中的角色行为分析。该数据集特别聚焦于Ezreal这一角色在前三分钟内的行为模式，通过对其技能使用、自动攻击等动作的详细记录，为研究者提供了丰富的游戏内行为数据。这些数据不仅有助于理解角色在游戏初期的策略选择，还能为AI训练提供高质量的标注数据。

解决学术问题

TLoL数据集解决了游戏AI研究中的多个关键问题，尤其是在角色行为建模和技能使用预测方面。通过精确记录Ezreal的技能释放和自动攻击行为，研究者能够深入分析角色在特定情境下的决策过程。此外，数据集还为自动攻击检测的可靠性问题提供了解决方案，尽管当前存在一定的召回率问题，但其高准确率为后续研究奠定了基础。

衍生相关工作

TLoL数据集衍生了一系列相关研究，尤其是在游戏AI和电子竞技分析领域。基于该数据集的研究工作包括角色行为预测模型的开发、技能使用优化算法的设计等。这些研究不仅推动了游戏AI技术的发展，还为电子竞技战术分析提供了新的视角和方法。