2.2 KiB
2.2 KiB
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