리그 PhD는 롤 챔피언 상성에 대한 통계적 분석을 제공합니다. 팀 조합에 따라 경기 결과를 예측하는 머신러닝 모델을 이용해, 챔피언별 상대 승률보다 더 정확하고 해석이 용이한 챔피언 상성 지표를 제공하고자 합니다. 상황에 맞는 최적의 챔피언을 골라 픽 창에서부터 승률을 극대화할 수 있도록 도와드립니다.
리그 PhD는 북미, 한국, 서유럽, 동유럽 등 4개 서버로부터 플래티넘 이상의 솔랭 데이터를 수집해 분석합니다. 새로운 패치에 대한 첫 분석 결과가 나오기까지는 보통 3-4일 정도가 소요됩니다.
데이터는 하루에 수 차례 자동으로 업데이트됩니다. 다만 웹사이트나 앱은 별도로 관리되고 있지 않다는 점을 참고하시기 바랍니다.
흔히들 챔피언 상성을 파악하기 위해 챔피언별 상대 승률을 쓰곤 하는데, 상대 승률은 계산이 간단하다는 점을 제외한다면, 실제 챔피언 선택 과정에 활용하기엔 여러 문제점을 갖고 있습니다.
먼저, 챔피언별 상대 승률은 해석하기가 쉽지 않습니다. 예를 들어, 전체 승률 50%의 챔피언 A가 챔피언 B를 상대로 45%의 상대 승률을 기록하고 있다고 가정해보죠. 이 경우 챔피언 A가 챔피언 B에게 카운터당한다고 할 수 있을까요? 언뜻 보기엔 50% 이하의 승률을 보이고 있으므로 카운터당하는 관계라고 말할 수도 있겠지만, 사실 이에 대한 답은 챔피언 B의 전체 승률에 달려있습니다.
이는 상대 승률이 챔피언간 상성뿐만 아니라, 각 챔피언의 전반적인 성능 또한 반영하고 있기 때문에 발생하는 문제입니다. OP 챔피언들은 종종 대부분의 챔피언을 상대로 50% 이상의 상대 승률을 보이곤 하는데, 그렇다고 해서 카운터가 없다는 것은 아니죠. 상대 승률로는 우리가 알고 싶어하는 챔피언 상성 및 조합에 대한 정보만을 추출해내기가 쉽지 않습니다. 체스의 Elo 레이팅, 야구 세이버메트릭스의 로그5 공식처럼 기대 승률을 추정하는 방법이 있기는 하지만, 이는 산술적인 예측치에 불과하며, 밑에서 언급하겠지만 5대5 환경으로의 일반화가 어렵다는 문제를 여전히 안고 있습니다.
둘째, 챔피언별 상대 승률은 챔피언 픽 간에 상관관계가 존재할 경우 그 해석이 더욱 모호해집니다. 예를 들어, 라칸은 보통 자신의 전체 게임 수의 25% 이상을 자야와 같은 편으로 플레이합니다. 이 경우, 라칸과 다른 챔피언 간의 상대 승률에는 자신들간의 상성뿐만 아니라, 자야와 그 챔피언 간의 관계도 유의미한 수준으로 반영되고 있을 가능성이 높습니다. 즉, 라칸이 특정 챔피언에게 높은 상대 승률을 보이는 경우, 라칸이 그 챔피언을 카운터하는 것이 아니라, 자야가 카운터하고 있기 때문일 가능성이 있다는 것이죠. 상대 승률로는 이러한 가능성에 대한 어떠한 정보도 얻을 수가 없습니다.
마지막으로, 가장 치명적인 문제는 두 챔피언 간의 통계인 상대 승률을 5대5 환경에서 어떻게 활용해야 할지 불분명하다는 것입니다. 만약 롤이 1대1 게임이었다면, 적 챔피언에게 상대 승률이 가장 높은 챔피언을 그냥 고르면 되겠죠. 하지만 롤은 잘 아시다시피 5대5 게임으로써, 두 챔피언 간의 상대 승률을 5대5 환경으로 일반화시키기는 매우 어렵습니다. 그렇다고 해서 라인전 상성만 보고 챔피언을 선택하는 것은 좋은 생각이 아닙니다. 저희의 분석 결과에 의하면, 라인전 상성은 챔피언 성능 변동의 작은 부분만을 담당하고 있는 것으로 나타나고 있기 때문이죠.
리그 PhD는 이러한 문제들을 극복하기 위해 머신러닝 모델을 이용한 보다 심층적인 분석을 하고 있습니다. 저희의 카운터 및 시너지 지표는 성능 중립적인 통계로써, 5대5 환경에서의 해석이 용이하며 지표 간의 직접적인 비교가 가능합니다. 이론적으로 완벽한 지표는 아니지만, 저희의 통계 분석은 챔피언별 상대 승률이 갖고 있는 문제점들을 최소한 부분적으로나마 해결하여 보다 정확한 정보를 제공하는 것을 목표로 하고 있습니다.
위에서 언급했듯이, 리그 PhD의 상성 지표는 5대5 환경에서 해석될 수 있도록 만들어졌습니다. 즉, 아군 및 적군의 팀 조합에 따라 어떤 챔피언을 선택할지 결정하는 과정에 직접적인 도움을 줄 수 있다는 뜻입니다. ‘조합 계산기’는 이미 선택된 챔피언뿐만 아니라, 앞으로 선택될 챔피언들의 모든 경우의 수를 분석합니다. 아군 및 적군 플레이어가 어떤 챔피언을 고를 가능성이 높은지를 고려해, 각 챔피언이 평균적으로 얼마나 좋은 성능을 보일 수 있는지, 그리고 카운터를 당하거나 나쁜 조합으로 이어질 수 있는 확률을 모두 평가하여 최적의 챔피언을 추천해드립니다.
리그 PhD의 데스크탑 앱을 이용하시면, ‘조합 계산기’에 일일이 타이핑하거나 클릭할 필요없이 자동으로 픽 창의 챔피언들을 업데이트하실 수 있습니다.
저희의 분석은 정규화된 로지스틱 회귀분석을 통해, 챔피언 성능과 시너지/카운터 관계를 반영한 팀 조합에 근거해 게임 결과를 예측하는 방식을 채택하고 있습니다. 모델의 성능 측정은 생각보다 까다로웠는데요. 확률 결과를 예측하는 분류기의 성능 측정에는 주로 로그 손실 함수가 쓰이지만, 데이터가 매우 균형적인 경우 로그 손실값은 당연히 0.693에 가까울 수 밖에 없겠죠. 실제로, 가장 자주 등장하는 팀 조합들의 승률은 보통 45-55%의 범위를 벗어나지 않았습니다. 하이퍼변수 최적화를 거친 결과, 리그 PhD의 모델은 0.68 정도의 로그 손실값을 보여 어느 정도의 예측력을 갖추고 있는 것으로 나타났습니다. 교차 검증 시 폴드 간에 상당히 안정된 계수 값이 나타났다는 건 조금 더 긍정적인 결과겠네요.
저는 시즌 2부터 롤을 플레이하고 있는 플래티넘 원딜/서폿 유저입니다. 취미로 시작했던 작은 프로젝트가 웹사이트로까지 발전하게 되었습니다. 질문이나 건의사항이 있으시다면 [email protected]으로 문의 주시면 감사하겠습니다.
League PhD isn’t endorsed by Riot Games and doesn’t reflect the views or opinions of Riot Games or anyone officially involved in producing or managing League of Legends. League of Legends and Riot Games are trademarks or registered trademarks of Riot Games, Inc. League of Legends © Riot Games, Inc.