Sobre o KayLoL

Vale a pena entender este ponto antes de avaliar a ferramenta, pois é o único aspecto em que o KayLoL deliberadamente aparenta ter um desempenho inferior.

Um modelo de previsão de draft pode ser avaliado de duas maneiras. O caminho fácil é uma divisão aleatória: misturar todas as suas partidas, treinar na maioria e testar no restante. O caminho difícil é um patch retido: treinar apenas em partidas anteriores a um patch e testar no próprio patch — da forma como o modelo será utilizado na prática, em um meta que nunca viu.

Divisões aleatórias produzem números mais atraentes, pois as partidas de teste compartilham o mesmo meta das partidas de treino e parte da resposta vaza entre elas. Filtrar apenas pela divisão mais alta ou descartar partidas encerradas precocemente infla ainda mais os resultados. O KayLoL é avaliado pelo caminho difícil, em um patch inteiro não visto, em toda a escala de ranqueadas. Isso custa vários pontos na precisão de destaque, mas representa o número honesto.

Isso também significa que o número para comparação não é aquele destacado pela maioria dos sites. A página de Precisão publica três camadas distintas de evidências, organizadas pela dificuldade de falsificação, e nunca as combina em um único dado. A mais difícil de forjar são as previsões que esta API retornou antes das partidas serem jogadas, que não podem ser reconstruídas retroativamente; essa camada ainda está em coleta e seus números serão exibidos assim que partidas suficientes forem avaliadas.

A maioria das ferramentas busca apenas distinguir vencedores de perdedores. O KayLoL também se preocupa em garantir que 57% realmente signifique 57% — ou seja, que em todos os drafts avaliados em 57%, o lado azul realmente vença cerca de 57 em cada 100 partidas. Um modelo pode classificar bem os drafts e ainda assim ser mal calibrado, e uma probabilidade convicta porém errada é pior do que uma probabilidade prudente na hora de tomar uma decisão de escolha.

É por isso que a página de métricas destaca uma curva de calibração em vez de uma pontuação de precisão, e por que o site repete a mesma verdade incômoda: o draft é apenas uma fração da partida. Espere probabilidades próximas a 50% e observe a direção em vez da última casa decimal.

Partidas ranqueadas concluídas coletadas da Match API pública da Riot — as mesmas partidas que a Riot já disponibiliza para qualquer client e a mesma fonte sobre a qual todo site de histórico de partidas é construído. Elas treinam o modelo e geram as estatísticas de campeões por trás da Tier list, além de compor o histórico de cada conta — partidas, resultados e campeões — lido pelas páginas que recebem um Riot ID.

Páginas que solicitam um Riot ID exibem dados públicos de partidas da conta informada — dependendo da página, seu Elo, histórico com cada campeão, partidas recentes ou, no confronto direto, as partidas que duas contas jogaram no mesmo confronto — assim como fazem outros sites de estatísticas de League. O site não pode verificar se a conta pertence a quem a digitou. O que é armazenado, o que deliberadamente nunca é armazenado, quem mais manipula essas informações e o que pode ser removido mediante solicitação estão descritos na Política de Privacidade.