【PJSK】Banner角色对100、1K、5K、10K档线时速影响的进一步探究，以及档线的预测方法

2023-02-01 16:51 作者:涼风_青叶 0人读过 | 我要投稿

前言

这很可能是我写过的最晦涩难懂的专栏了。比起科普或者说同人创作，这篇文章的文字只是在证明“我找到了一种能不靠主观感觉比较角色Banner是烫是冷的方法”。

好在本文的精髓并不在文字，而是在图片上。不想阅读大段文字的读者，只看本文的图片，也可以大致理解本篇专栏的内容。

在CV19465470（见下卡片）中，笔者初步探讨了Banner角色对档线时速的影响。操作方法大致如下：将原始档线时速数据排除①活动类型（马拉松/5v5）、②是否为箱活、③玩家人数与卡组配置的增长趋势三个要素的影响，再按Banner角色取算术平均，即得到相应角色的“活动热度”指标。

上述数据处理方法有以下两点不足之处：①没有考虑到节假日、寒暑春假对档线的影响；②玩家人数与卡组配置的增长趋势采用线性拟合即一次函数拟合，实际可能存在更合适的拟合方案。

本篇专栏①对以上两点不足之处做出了完善；②基于本系列专栏的发现提出了新的档线预测方法；③引入100、1K、10K档线数据，绘制了四种档线下的角色活动热度指标柱状图。

节假日、寒暑春假对档线的影响

在CV20489092（见下卡片）中，笔者已经证明以下三点：①休息日、寒暑春假的分布会影响档线增速；②休息日是一般的周六日还是法定节假日这一点，对于档线增速没有明显影响；③每天深夜28时（凌晨4时）是档线增速最慢的时刻。基于这三点可以研究节假日、寒暑春假对档线的影响。

我们以深夜4点为界把活动划分为多个区间，把每个区间，包括活动开始~当天28时，以及最后一天4时~活动结束，都定为“一天”。这样的“一天”就游戏时间分为活动开始日、活动中间日、活动结束日3类，就现实时间分为工作日（平时）、工作日（寒暑春假）、节假日3类，两两组合共有3×3=9类。

日本没有调休，所以所有的周六周日都是休息日，故在日本，任意连续的6天当中，至少有一天是休息日。一期活动至少是8天，掐头去尾正好还剩6天，所以每期活动中都至少有一天是“活动中间日&节假日”。我们以这样的一天（24小时）作为对比的标准，比照其它的“一天”的档线增量，相当于多少个“标准天”的档线增量，就可以确定各种类型的“一天”，相对与“活动中间日&节假”的档线增速系数。

具体计算流程如下：

获取原始数据，包括至今（截至第83期）每期活动期间的所有实时档线和最终档线数据。数据均来自sekai.best。
进行数据筛选。仅选用这样的数据，在一个活动期间内，各档线数据完整且无跳跃值。
对选出的数据中的每一期活动：遍历该期活动的每一个“一天”，对这样的“一天”逐个分类为以上提到的9类中的一类。以“活动中间日&节假日”类的“一天”的档线增加量的平均值为基准“1”，将其它类型的“一天”（如果在这期活动中有的话）的档线增加量的平均值的相对大小，作为该类型“一天”的档线增速系数的1个有效测量值。
对除了“活动中间日&节假日”类的剩下8个类型：将该类型的所有档线增速系数有效测量值取算术平均，即得所需结果。
节假日以日本相关法律法规和修正案为准。每年的暑假取7月20日~8月20日（含头尾，下同），寒假取12月24日~次年1月7日，春假取3月25日~4月7日。既是寒暑春假又是节假日的日子，记为节假日。

最新的计算结果（截至第83期）如下：

对增长趋势的更优拟合，以及档线预测方法介绍

本专栏考虑拟合档线随时间增长的趋势的最简单的一种方法，即多项式拟合。但如何找出多项式拟合的最优阶数呢？让各个阶数相互“比较一下本领”就是了。

既然我们可以分析活动类型、是否是箱活、活动期数、假期分布、Banner角色对档线增速的影响，那么我们也可以反过来，在已知活动类型、是否是箱活、活动期数、假期分布、Banner角色的情况下反推档线增速。这就是本专栏提出的档线预测方法的原理，它可以在只知道历史档线数据的情况下，对尚未开始的活动的档线高低做出预测。

为了找出多项式拟合的最优阶数，笔者做了以下一件事情：

假定多项式拟合的最优阶数N在1~10之间。
对于1~10之间的每一个N，进行以下操作：对74≤m≤83范围内的所有正整数m重复进行如下操作：仅给出第1~(m-1)期活动的历史活动数据，令程序根据上述思路预测第m期活动的档线，并在档线时速-活动期数的多项式拟合中使用N阶拟合，随后计算档线与实际档线的误差大小。直到所有的m被遍历。
比较各个N的预测误差情况，取表现最好（总体上误差最小）的N为多项式拟合的最优阶数。

通过以上操作得出的多项式拟合最优阶数是4。此时，对100、1K线的平均预测相对误差在20%以内，对5K、10K线的平均预测相对误差在10%以内。