​​​Rekkles是个相当一般的下路，至少他的每分钟伤害(DMG/M)看起来是这样的。从欧洲LCS第八周开始，他的DMG/M排名就在一众选手里稳坐第五位。

我们都知道，伤害是游戏中相当重要的一个因素。大量的伤害就意味着许多人头，而人头拿得多，就意味着胜利。能够胜利就是好的。但是不去进一步分析，不去看Rekkles用的是什么英雄，不去了解他处在怎样的一个局势里，不关心比赛的时长以及其它众多因素，我们真的就能凭借他的DMG/M来断定，他是一个水平一般的选手吗?

对于如此关键性的因素，如果能够有一个方法，让我们迅速看出某个选手是否贡献了大量伤害那就好了。这就是为什么我们发明了伤害评级这个概念。伤害评级会对大量不同的因素进行取样，然后告诉你选手造成的伤害是大于预期结果，还是小于预期结果。简而言之，它可以告诉我们，选手是否充分打出了英雄的伤害潜力。

想知道谁的伤害数字最吓人吗?下面是几个赛区里排名前三的下路：

你这么一看，Rekkles的DMG/M就从第五一跃到了第一!那么到底什么是伤害评级呢?

在高水平下的所谓伤害评级，是指把选手使用的英雄及其获胜比率考虑在内的前提下，他们的DMG/M和“选手平均”期望DMG/M之间的百分比差异。

我们使用欧洲LCS、北美LCS、LMS和LCK的数据，来计算这个“选手平均值”。我们希望采样范围足够大，但同时也希望我们的数据拥有足够的相关性，从而保证比较的准确程度。我们会抓取10周(加上当周)的常规赛季数据，也就是大概700场比赛的数据。目前我们处于夏季赛的第八周尾声，那么就有8周的夏季赛数据，还要加上春季赛最后三周。同时，我们也会把所有重要的英雄重做作为因素考虑进去。

可是，我们这是在骗谁呢?你们是来看伤害评级后面的算法的，那么这就来进行说明。

算法

首先，我们来举个例子，看看单场伤害评级是怎么算出来的。我们要来看一看第六周Faker用卡萨丁对战Samsung Galaxy的情况。

下面是他在那场比赛中的数据：

首先我们拿到Faker那场比赛的修正DMG/M，这个数据仅仅将敌人位于其2000码范围内的时间计算在内。我们之所以这么规定，是因为想把Faker不大可能造成伤害的时间排除在外。在这场比赛中，算出来的修正结果是1584点修正DMG/M。SKT最后输掉了这场比赛，所以我们把过去10周常规赛季中其它负场中路卡萨丁选手的表现算进来。满足这个标准的比赛一共有23场。

用来计算预期DMG/M的数据点数量十分重要。我们希望样本足够多，这样单场比赛才不会影响均值的准确性。我们认为把选手进行的所有比赛排除掉之后，需要5个数据点才能进行计算。这5个额外的数据点意味着，某些比赛无法替一位选手生成伤害评级。话虽如此，我们不希望制定一个对打法新颖的选手而言不公平的规则。因此一旦在获得足够的数据点之后，这些比赛会进行追溯补算。

回到我们的例子中来!卡萨丁输掉的23场比赛足以支撑我们需要的样本规模。我们算出这些比赛中的平均修正DMG/M，来得出我们的预期DMG/M，然后接下来就很简单了。

其中的百分比差异就是伤害评级。所以我们知道在这场比赛里，Faker打出的伤害比预期要高出62.2%!

这个过程是怎样的?

获得修正DMG/M，并计算预期DMG/M的过程相当关键。所以为什么要费这个劲，直接用DMG/M不就完事了吗?如果你想要说，某个选手比另一个选手造成的伤害更多，那没问题。但如果你想要断定，某个选手造成了更加出色的伤害输出，那么首先你就要把大量的其它因素考虑进来。

那么这些因素都是什么呢?

英雄池

英雄池可能是对DMG/M和DMG%影响最大的因素了。如果我们看看进行比赛超过10场的上路英雄，就会发现兰博和慎之间有着巨大的差异。前者拥有最高的DMG/M，而后者的DMG/M最低。

Wunder(截止至欧洲LCS第八周)的DMG/M排第二。如果你看看他的英雄池就会知道，这个数据非常合理。他最常用的前三个英雄是兰博、克烈和菲奥娜。从他的英雄池里我们就能估计得到，他的伤害数字一定很可观。那么他果真擅长打伤害输出吗?如果我们看一下伤害评级，就会发现答案是否定的。他+4.6%的伤害评级排名第五，还算不错，但跟我们一开始预想的DMG/M还是有一定差距。

获胜偏差

和许多数据一样，DMG/M受到很强的获胜偏差影响。一般来说，如果你有优势，就可以有更多的金钱来购买道具，从而意味着可以造成更多的伤害(如果你是这种出装路线的话)。

这些都是在我们的样本集里拥有超过10场比赛的下路，还有他们在胜负场次中的DMG/M。至少对下路来说，负场英雄造成的伤害比胜场同样的英雄要少17%。你还可以发现，胜负场次之间的数据悬殊和英雄也有关系。胜场克格莫造成的伤害要比负场多31%。这就是为什么在计算预期DMG/M的时候，我们会把胜负也考虑进去。我们显然不能认为，某个选手在比赛获胜和比赛告负的情况下造成的伤害是相同的。

打法

把打法上的不同和实力评判标准分离开来是很难的。有些队伍更加喜欢参团，有些选手喜欢分路推进。像这样的选择有很多，都会对DMG/M产生影响。

​如果我们观察北美LCS，那么每分钟最高参团击杀，也就是CK/M数据最高的是Immortals(IMT)，而最低的是NV。NV的团队DMG/M排第六，IMT排第二。这不一定就是说，IMT造成的伤害比NV要高。他们也许只是打得较为保守，也许只是没那么多机会进行伤害输出。

上面的图表显示的是某支队伍的2000码范围内至少有一名敌人时所经过的时间，以及他们在该场比赛中的平均DMG/M。你可以看到，你在至少一名敌人旁边待的时间越多，造成的伤害也就越大。

在接近至少一名敌人时所花费的时间越多，你输出伤害的可能性也就越大。当我们考察某人输出伤害的力度时，我们只希望把他们有机会造成伤害的这段时间计算在内。所以我们才会对修正DMG/M进行计算。与其用对英雄造成的总伤害除以游戏时长，我们会除以他们在2000码范围内至少有一名敌人所经过的时间。

我们选择2000码这个距离，是因为它涵盖了游戏中大多数英雄技能的射程。射程超过这个数字的英雄显然会造成一些问题，不过这一点我们稍后会提到。

我们来看一下欧洲上路，以及他们在DMG/M和修正DMG/M方面的表现。DMG/M和修正DMG/M之间的排名相差不太大，但是值得注意的是，几乎每位选手的排名都会有所变化。不过，我们可以注意一下Profit这位选手。他也许是欧洲LCS目前最具代表性的分路推进选手。我们会发现他的修正DMG/M比常规的DMG/M要高五个排名。所以一旦Profit有机会进行伤害输出，他的贡献实际上是相当大的!

缺点

尽管我们对新的伤害评价标准感到十分兴奋，但是这个数据并不完美。只有一直进行取样，并且把数不尽的偏差给计算进来，我们才能对伤害进行分析。那么就让我们来看看伤害评级有什么缺点：

比赛时长

一场比赛有无尽的变数，每一套指标都会有它的不足之处。不过，我们还是来谈一谈伤害评级中最为显著的一个问题吧。它目前还没有把比赛时间纳入考量。

看上去DMG/M已经把时长给算进去了，因为你会用英雄造成的总伤害除以比赛长度，来得出一个正比的数据。然而只有在你造成的伤害量随游戏线性提升的前提下，这个公式才成立。但实际上并非如此。

上面的图表表明，随着比赛的进行，选手的DMG/M也会增加。如果伤害和分钟真的成正比，那么上面的图表数据就不应该随着时间而增加。

我们想过一些办法来消除这个问题，但目前为止都没有一个直观或者显著的解决方法。如果你对于如何把比赛时长考虑进来有什么建议，欢迎与我们分享!

修正伤害评级

修正伤害评级也会有点问题。2000码是凯特琳大招的最大射程，这个距离囊括了游戏中的不少技能。但是那些技能射程比这个数字要大的英雄怎么办?虽然这是个问题，但是伤害评级的关键，在于比较不同选手在使用同一个英雄时的表现差异，因此麻烦到不是很大。使用同一个英雄在2000码范围之外产生伤害的时间量，并不会有很大的差异。

大规模重做

游戏中出现大规模变动的时候，也会产生问题。赛季前或者赛季中产生变化之后，数据是否依然能够继续沿用?每次出现这种情况，我们都要进行评估。我们已经把重要的英雄重做计算在内，但是符文和道具的更改也可能会对伤害造成很大的影响。

也许在赛季前改动之后，我们只能断定之前10周的职业数据已经过时。如果是这样的情况，那就意味着在拿到足够大的样本之前，我们将无法生成伤害评级。整体而言，它直接体现了游戏的流动性。内容会产生变化，而同时我们希望数值和数据可以作为一个稳定的依据，有时它们只能把波动给囊括进来。

各赛区的伤害评级

如果你有兴趣了解的话，这里是北美LCS、欧洲LCS、LCK和LMS各个功能位的伤害评级。只有在联赛中进行的比赛场次为平均场次30%以上的选手才会纳入计算。

上路

​打野

​中路

​下路

辅助

所有数据均为截止至欧洲LCS、LCK、LMS和北美LCS第八周的最新数据。​​​​