首页 / 虎扑NBA / 正文

[翻译/转载] NBA 2K球员总评的秘密

虎扑NBA 2019-01-09 20:41:37
译者序
相信有很多人和我一样,很好奇2K当中的各种总评是如何计算出来的。笔者在查找这其中的原理的时候,在Reddit上无意间看到了写于一年前的这篇文章,觉得很有意思,搜索了一下虎扑没看到有相关内容,因此自己翻译搬运了过来,希望也有兴趣的朋友可以看看。

2K16之后,2K的开发组为游戏增加了非常多的属性,从而大改了一次内部的计算公式。2K17至今,属性的变化较小,具有一定的参考性,但肯定与最新的2K存在一定的差异。此文基于NBA 2K17,作者利用了梦幻球队当中的1435张卡片的数据作为样本进行学习,利用逻辑回归的方法构建了一个自己的模型,这个模型和2K原本的模型计算的结果极为接近(用他自己的话来说,就是偏移值正负1),如果你对文章不感兴趣,可以直接看下面的结论:

  1. 2K的总评计算,不同位置采用的算法是不相同的,也就是不同的属性,对于不同位置影响的权重不同,因此不同位置几乎没有可比性
  2. 部分玩家认为能对所有位置都产生影响的属性,比如持球速度和抢断,在2K的公式中被完全的忽略了(也就是持球速度和抢断两个属性,对球员最终的总评没有任何影响)
  3. 梦幻球队的计算方法,与辉煌生涯是不一样的,此外,名单编辑器当中的计算公式,与梦幻球队也有不同,上一条仅适用于梦幻球队的卡片数据
  4. 对于每个位置来讲,都有一些属性是没有用的,一部分没有作用的属性,是因为和另一些属性相关联,所以2K在计算的时候会抛开这些重复的数据,比如,2K会更关注干扰下投篮的数据,因为他们认为防守压力下是一个出色的射手的话,无论如何,球员都具备很高的投射属性。而进攻篮板,也作为防守篮板的替换数据,强行灌篮的权重肯定比突破灌篮属性高
  5. 总评实际上是一个几乎无用的数据,因为不同球员是根据不同位置进行计算的,在将一部分球员放到其他位置的时候,甚至得到的值也会非常高(巴克利在PG的公式中是94,排在所有PG第20),而属性、身材完全相同的球员,在PG和SG两个位置可以得到两个不同的总评,并且一部分球员擅长的属性,在其总评计算中并不会体现出来,比如持球速度对威斯布鲁克和约翰沃尔没有优势,抢断属性也不会对皮蓬的总评产生影响(而这恰好是这些球员的特色)
  6. 无形资产和潜力值,会极大影响球员的总评,但这两个属性,对于游戏体验没有任何的影响,也就是说,这两个属性是被刻意设计出来平衡球员数据的,一个说法是,2K可以通过调整无形资产,降低球员的总评,以达到修改球员卡稀有度的目的;另一方面,作者也指出,由于身高对于SF,PF,C过于重要,2K选择通过潜力值的方式平衡身高对PG和SG带来的影响

原文链接:The Secrets of Overall
对文章感兴趣的朋友,请继续阅读,原文翻译如下:

“总评”是对2K当中球员进行评估的最常见且最直观的衡量标准,玩家经常拿总评进行比较,当一个球员没有得到其应得的分数时,玩家总是会感到十分不快,并希望为其争取到更高的分数。但最近我们渐渐意识到,这个数字实际上已经变得毫无意义了。所以,我决定深入研究一下总评的计算方式。这将会是一篇很长并且包含技术性的帖子,普通NBA 2K玩家可能对此不屑一顾,写这些并不是为了什么回报,而是让更多感兴趣的人能够了解其中的原理,如果你觉得“太长不看”,那么请直接跳到结尾的结论部分。

引言
总评,通常被认为是所有评分的聚合。其计算公式,在不同的位置上也有所不同,这和我们不用“总统计数据”来衡量球员价值是一个道理。对于PG和C,不同的属性具有不同的影响,这是很明确的。今年,我们也发现2K当中有一项“无形资产”的属性,能够将评分调整到一个特定的值(最重要的是,调整MyTeam卡的稀有度),并且对游戏体验没有任何的影响:这只是一年多以来,2K微交易策略的一部分,他们想让这玩意儿和游戏体验关联起来

算法逆向
我决定对2K的总评算法进行逆向,以了解哪些属性会影响最终的总评值。我会分享技术原理(如果你想知道,我可以在评论中解释)。我用了所有MyTeam的卡(1435名球员)的数据来自动构建我自己的算法,也就是总评计算的近似值。当你给我一个球员的属性(和他的身体数据),我可以在不打开2K的情况下,通过这个算法立刻计算出这个给定球员的总评值。这个算法非常准确,计算出的结果和实际游戏内的数据之间的平均差值约为0.9(不同位置有一定的变化:PG的平均差值是0.92,SG是0.98,SF是0.93,PF是1.02,而C则是0.59)。所以基本上说,我的算法可以给你计算出正确的总评,正负误差为1。虽然这些数据并没有那么有用,你完全可以自己打开游戏查找数据,我这里只是想让你知道我的模型是非常准确的

有趣的地方要来了。通过这些计算,我可以告诉你哪些属性在2K的算法中是权重最高的,哪些属性对于某些位置根本不重要。往下读,下面有个大表格

各位置影响最大的20种属性

PG

SG

SF

PF

C

潜力值(15.4%

潜力值(14.5%

身高(30.6%

身高(38.0%

身高(26.8%

加速

无形资产

空位种距离投

防守篮板

低位防守智商

传球准确性

传球准确性

潜力

潜力

防守篮板

无形资产

加速

无形资产

进攻稳定性

无形资产

传球视野

突破上

挡拆防守智商

近距离投

卡位

进攻稳定性

空位中距离投

原地上

无形资产

防守篮板

空位中距离投

空位三分投

加速

原地上

原地上

挡拆防守智商

进攻稳定性

进攻稳定性

进攻篮板

近距离投

突破上

持球防守智商

造法

防守稳定性

力量

应时间

造犯

接球

力量

挡拆防守智商

持球防守智商

篮智商

受干扰三分投篮

背身后仰跳投

背身勾手

造犯

协防智商

持球防守智商

造犯

进攻稳定性

近距离投

进攻篮板

近距离投

低位防守智商

背身后仰跳投

进攻篮板

罚球

扰投篮

持球防守智商

造犯

罚球

运球后中距离投篮

背身勾手

传球智商

弹跳力

扰下三分投篮

扰下三分投篮

突破上

挡拆防守智商

造犯

控球

传球智商

运球后三分投篮

协防智商

抢积极性

协防智商

运球后三分投篮

背身控制

篮智商

防守稳定性

空位三分投

速度

传球智商

速度

扰投篮

防守稳定性

近距离投

防守稳定性

耐力

原地灌


各位置的无效属性
PG:身高,体重,强行灌篮,持球速度,速度,力量,拼抢积极性,低位防守智商,传球洞察力,抢断,盖帽,防守篮板,卡位

SG:身高,体重,干扰下中距离投篮,原地上篮,原地灌篮,强行灌篮,背身控制,背身勾手,背身后仰跳投,控球,持球速度,弹跳力,力量,耐力,拼抢积极性,横向敏捷性,抢断,盖帽,干扰投篮,防守篮板,卡位

SF:体重,干扰下中距离投篮,空位三分,投篮智商,罚球,原地灌篮,突破灌篮,背身后仰跳投,控球,传球准确度,持球速度,力量,耐力,拼抢积极性,低位防守智商,协防智商,反应速度,抢断,盖帽,进攻篮板,卡位

PF:体重,空位中距离投篮,干扰下中距离投篮,运球后中距离投篮,空位三分投篮,突破上篮,突破灌篮,接球,传球准确度,传球视野,加速,整体持久性,横向敏捷性,传球洞察力,抢断,盖帽,干扰投篮,卡位

C:体重,干扰下中距离投篮,运球后中距离投篮,运球后三分投篮,控球,传球视野,传球智商,持球速度,横向敏捷,反应时间,抢断,潜力值

分析
说分析有点夸张了,不过既然都看了这个头,那就继续侃一侃:D。这里要注意一下,表格中只标明了高于10%的百分比,也就是这个属性对于总评的贡献程度,其他没有标明的属性通常在5%到7%之间,非常接近。

总评的主要影响因子
首先必须肯定的是无形资产的重要性,潜力值也是重要的影响因素之一,但通过这一系列的测试,我认为这事2K用来弥补前两个位置身高不足的办法。没错,就是身高,因为这个数据,并不是一个技术性的属性,也是SF,PF和C位置总评的主要影响因素。我想我们都同意,球员尺寸确实是游戏里面一个重要的特征之一,另一方面,体重并没有在这个算法中被用到。进攻稳定性的影响也非常大,我玩儿了三年2K,也不确定它的作用,我一直认为它会造成投篮的疲劳或者投篮姿势的变化之类的事情。

令人惊讶的地方
一些我们普遍认为对某些特定位置必不可少的属性,实际上在计算中根本没有使用,或者其影响因子非常小。例如,速度并不影响PG的总评(然而加速是PG的最高属性),控球也在列表里排名很低,甚至几乎和其他四个位置都没什么关系。2K并不关心你的科比,你的韦德,你的MJ还是你的哈登能够控球,我认为这是因为具有极高传球属性的球员,无论如何都是一个优秀的控球手,所以2K决定只将这些属性中的一个或两个放入公式中,放弃了其他的属性。

投篮方面也一样,2K更看重干扰下投篮的相关属性,因为他们认为如果他在防守压力下都是一名出色的射手的话啊,那么无论如何,球员都具备很高的投射属性,篮板球同理,进攻篮板是后卫在篮板上的主要属性。

一般来说,如果你在“无用属性”中看到一些对某个位置很重要的属性,那么只需找找看列表中有没有和他密切相关的属性。也许突破扣篮这个属性没用,但是你会发现,强行灌篮这个属性影响则是很大的。

令人疯狂的地方
最令我震惊的地方,则是一些对于球员十分重要的属性,在计算当中被直接忽略了。这里我主要说的是“持球速度”和“抢断”,如果给威斯布鲁克和约翰沃尔一个40的持球速度,给皮蓬25的抢断,都不会影响他们最后的总评。

大前锋的评分也有些奇怪,卡位,盖帽和干扰投篮居然对他们来说无关紧要(什么鬼)。所以,邓肯,安东尼戴维斯还有伊巴卡的总评都没有从他们的盖帽能力中获益。我不明白2K究竟想这么定位他们,这也是我模型当中失败最多的一个地方。

关于换人与职业业余混合赛的说明
这帮我理解了快速换人在2K17中是如何工作的。当你想换掉某个人的时候,比如,SF,2K是这样做的:
  1. 计算你队伍中每个球员,在队伍中所处位置上的总评(不是NBA登记的位置)
  2. 用总评给他们排序
  3. 然后2K会优先考虑球员在NBA当中的位置(如果你有一个垃圾青铜PG,他仍然会排在一个精英SG前面)
  4. 将结果放在快速菱形菜单周围,从左上方(或者暂停菜单的下面,别问我为什么不一样。。。),并顺时针旋转

在职业业余混合赛中,PG的快速防守任务菜单中看到的总评,是对手的真实总评(你懂),这也是为什么组织型PG总评上比神射手PG更高,该算法更偏向于传球和跑动的PG,而不是投篮。更有意思的是,两个组织者具备一样属性,一样身材的球员,一个PG,一个SG,会最终得到不同的总评,因为他们不在同一个位置。

声明
我的公式并不是完全逆向2K的游戏得到的,我的模型确实存在一部分错误,所以很明显,2K的代码中肯定还有一些其他的东西我没有发现。比如,我并没有说出,他们的总评被限制在40到99之间。也许,但我很怀疑,倾向性对总评的影响很大?我没有计算倾向性,一些位置上非常特殊的球员可能没有被正确评级,他们的主要属性也没有被正确加权,因为这样的例子很少,所以我的模型没办法很好的学习这些例子。

当然,请不要盲目相信我的无用属性列表,也许这些属性在2K的代码中影响太小,从而无法在我的模型中体现出来,或者只是在某些特定的球员身上体现出来,但我非常肯定的是,持球速度和抢断,在2K的公式中是被完全忽略掉了。

你可以随时检查我的分析和这些列表是否正确,只需要打开2K,在名单编辑器中修改球员的属性,看看他们总评的变化,至少我修改了“持球速度”看看了结果

我很抱歉提供了如此不漂亮不清晰的文章,如果您希望我提供代码(如果你想使用的话),我确信我可以将代码放在github上供大家访问

结论
球员的总评在每个位置上的计算是不相同的,有一些不知所云的属性,比如无形资产和潜力值,会极大地影响最终的结果。每个位置都有非常重要的,不那么重要的,和一些几乎没用的属性。身高对于SF,PF和C至关重要,对PG,SG无关紧要。体重不管在任何位置都不重要。而令人惊讶的是,我们认为的一些对所有位置都非常重要的属性,在总评的计算中被2K直接忽略了,比如持球速度和抢断。

我认为我们作为社区,可以提出一个更为有趣的公式以更准确地评估每个球员的价值,因为很明显,2K的算法是有很大缺陷的,存在一个毫无意义的无形资产并无效化了持球速度/抢断。我可以建立一个网站,您可以直接使用我的公式来计算出新的总评排名。同时,你也可以看到每个球员在五个位置的总评分别是多少,但现在我并不打算这样做,因为我承认我是个菜鸟网络程序员:D。


时讯快报

5.5亿用户的选择

立即打开