KayLoLについて

本ツールを評価する前にご理解いただきたい最も重要な点です。KayLoLがあえて自らの数値を厳しく見せている唯一の理由でもあります。

ドラフト予測モデルの評価方法には2通りあります。簡単な方法はランダム分割です: 全試合をシャッフルし、大半で学習して残りでテストします。厳しい方法は未知パッチ分割です: あるパッチより前の試合のみで学習し、そのパッチ自体の試合でテストします — これこそが未知のメタにおいて実際にモデルが使われる通りの検証法です。

ランダム分割は見栄えの良い数値を叩き出します。テスト対象の試合が学習対象と同じメタの中にあり、正解の情報が漏れ出す（リークする）ためです。最高ランク帯のみに限定したり、早期終了した試合を除外したりすれば、見かけ上の数値はさらに上がります。KayLoLは厳しい方法で、全ランク帯の完全に未知のパッチ全体で測定しています。見出しの精度は数ポイント低下しますが、これが誠実な真の数値です。

これは比較すべき指標が多くのサイトが掲げる表面的な精度ではないことも意味します。精度では、改ざんの難しさ順に並べた3層の証拠を公開しており、それらを単一の指標に丸めることはありません。最も改ざんが不可能なのは、試合が行われる前に当APIが返した予測です（事後的に再構築できないため）。このレイヤーは現在も収集中であり、十分な試合数がスコア化された段階で公開されます。

大半のツールは勝者と敗者を識別することに特化しています。KayLoLは57%という数字が本当に57%を意味しているかにも注力しています — 57%と予測した全ドラフトにおいて、ブルーサイドが実際に100回中約57回勝利しているかどうかです。ドラフトの順位付けが上手でもキャリブレーションが狂っているモデルは存在し、ピックの判断材料にするにあたっては、自信満々の誤った確率よりも慎重で正確な確率の方がはるかに有用です。

そのためメトリクスページでは単なる正解率ではなくキャリブレーション曲線を第一に掲げており、サイト上でも常に率直な事実をお伝えしています: ドラフトは勝敗を左右する要素のほんの一部に過ぎません。50%に近い確率を想定し、小数点以下の数字よりも方向性を読み取ってください。

Riotの公開Match APIから収集した完了済みのランク戦です — Riotがクライアント向けに公開しているものと同じ試合データであり、あらゆる戦績サイトが基盤としている情報源です。これらがモデルを学習させ、ティアリストの背後にあるチャンピオン統計を生成し、Riot IDを入力するページが読み取る各アカウントの記録（試合、結果、使用チャンピオン）を構成しています。

Riot IDを入力する各ページでは、他のLoL統計サイトと同様に入力されたアカウントの公開試合データ（ランク、各チャンピオンの戦績、最近の試合、または直接対決における同試合出場履歴など）を表示します。当サイトはアカウントが入力者本人のものであるか確認することはできません。保持されるデータ、意図的に一切保持されないデータ、第三者による取り扱い、申請による削除方法についてはプライバシーポリシーに記載されています。