Analyse ---------------------------------------- kern ---------------------------------------- Erzeugt ein trainiertes Modell aus Matchdaten und wertet dessen Vorhersagequalität aus ---------------------------------------- - Static-Daten sind Grundlage für alle weiteren Schritte - Spearman-Korrelation misst Vorhersagequalität - Holdout-Matches werden nicht zum Training genutzt - Refresh führt alle Schritte sequenziell aus - fetch-static lädt Community-Dragon-Daten herunter - crawl lädt bis zu 200 neue Matches pro Lauf - autoplay führt Spiele mit Policy aus Standard: econ - autoplay führt 200 Spiele aus Standard - refresh führt crawl extract build-artifact und calibrate aus ---------------------------------------- Analysedaten generieren Erstellt eine Analysedatei aus gelernten Spieldaten und statischen Daten - Ausgabe ist eine einzelne JSON-Datei - Analyse enthält gelernte Statistiken pro Set - Dateipfad wird ausgegeben - tft build-artifact ausführen - artifact.json prüfen - boards_learned_from enthält Anzahl ---------------------------------------- Endboards erfassen Extrahiert gespielte Boards aus Rohdaten der Datenbank für die Modellierung - Ein Aufruf pro Set - Unbekannte IDs werden gezählt ausgegeben - Erfolgsmeldung bei vollständiger Auflösung - Kenntnis der Datenbankverbindung vorausgesetzt - tft extract ausführen - Anzahl extrahierter Endboards prüfen - Unbekannte IDs: Ausgabe vorhanden - Alle IDs aufgelöst: Erfolgsmeldung vorhanden ---------------------------------------- Platzierungen testen Validierung der Prognosequalität des Modells anhand realer Platzierungen - Nur Holdout-Matches werden ausgewertet - Vergleicht vorhergesagte Platzierung mit tatsächlicher Platzierung - Ausgabe: Anzahl Holdout-Matches und Spearman-Korrelation - Lädt aktuelles Artifact für das aktive Set - CLI: tft calibrate ausführen - Ausgabe enthält holdout matches und spearman - Spearman-Wert zwischen -1 und 1