这些工具帮助您在多玩家竞技游戏中的装备选择上进行 Alpha/Beta 测试。特别是，它非常适合检查 KDA，包括时间上的和检查特定配置的 KDA。

什么？

我经常玩 猎杀：对决。它非常有趣。有时也会非常沮丧。这款游戏时长很长，非常紧张，战斗快，角色特化和装备选项非常丰富。可能需要打几十场比赛才能确定某个配置是否值得，而且配置很多，一场比赛要花一个小时 ... 简而言之，很难得到关于哪些装备配置、战术或朋友有用的反馈。

为此，我记录了比赛日志，并编写了这个工具来输出收集到的数据的一些见解。

使用它，您必须记录比赛信息。但比赛要花一个小时，所以这并不增加多少开销。

然后，您需要使用该软件包提供的工具

• kda-summary 将总结整个日志中的 K、D、A 值（以及通常的 KDA 指标）。
• kda-compare 将运行整个数据集，并告诉您是否在不同的配置下有显著的不同。
• kda-explore 允许您查看带和不带有任何其他东西的条件分布 的任何东西。

适用于 Debian / WSL

目前，只需从releases/目录中获取一个测试deb包即可。例如 1.3.0

然后，在 wsl 中，

sudo dpkg -i kda-tools_1.3.0_amd64.deb

您可以直接使用上面的示例。

基础知识

保持如下匹配日志（请注意，这是一个 键值计数格式 ）。

<date> [<items or friends initials>] [K|D|A|B]

例如，我的狩猎日记看起来像这样

2021-03-12 BAR+Scope pistol K K B alone
2021-03-12 BAR+Scope pistol K D D jb
2021-03-12 Short-Rifle Short-Shotgun K D jb
2021-03-12 BAR+Scope pistol D jp+jb
2021-03-13 BAR+Scope pistol jp D
2021-03-13 BAR+Scope pistol jp B D D A A
2021-03-13 Shotgun pistol jp D
2021-03-13 BAR+Scope pistol jp K
2021-03-14 Short-Rifle akimbo  alone
2021-03-17 LAR Sil pistol  alone
2021-03-17 pistol-stock akimbo  alone
2021-03-17 Short-Shotgun pistol-stock  alone

而我的常用副驾驶JP有一个像这样的

2021-04-19 Martini-Henri_IC1 Caldwell_Conversion_Chain JV B B K
2021-04-19 Martini-Henri_IC1_Deadeye Caldwell_Conversion_Chain JV JB
2021-04-19 Martini-Henri_IC1_Deadeye Caldwell_Conversion_Chain JV JB B B
2021-04-19 Vetterli_71_Karabiner Bornheim_No_3 JV JB B B
2021-04-19 Vetterli_71_Karabiner Caldwell_Conversion JV JB D
2021-05-02 Martini-Henri_IC1 Caldwell_Conversion_Chain JV JB A
2021-05-02 Lebel_1886_Marksman Caldwell_Conversion_Chain JV JB K K
2021-05-02 Lebel_1886_Marksman Caldwell_Conversion_Chain JV JB K K
2021-05-02 Martini-Henri_IC1_Deadeye Caldwell_Conversion_Chain JV JB B B B B K K K

他比我好得多。您可以使用任何您想要用来表示装备或朋友的内容 ... 它将只对所有这些内容运行多元假设测试，其中重要的部分是：K D A 或 B，例如...

examples/journal.txt的内容

2021-01-03 K K Sniper
2021-01-03 K D Shotgun
2021-01-04 K K JP Sniper
2021-01-04 K D B Shotgun JB
2021-01-04 K D B Sniper JB

是5场比赛

1. 两次使用狙击步枪装备的击杀
2. 一次击杀和一次死亡，使用霰弹枪装备
3. 两次击杀，使用狙击步枪装备和队友"JP"
4. 一次击杀、一次死亡和一次赏金，使用霰弹枪和队友"JB"
5. 相同，但使用狙击步枪装备

自动：KDA摘要

让我们看看随着时间的推移摘要情况如何

$ <journal.txt kda-summary
    n       Date   K   D   A   B   KDA    sK    sD    sA    sB  mKDA    mK    mD    mA    mB
    1 2021-01-03   2   0   0   0  2.00     2     0     0     0  2.00  2.00  0.00  0.00  0.00
    2 2021-01-03   1   1   0   0  1.00     3     1     0     0  3.00  1.50  0.50  0.00  0.00
    3 2021-01-04   2   0   0   0  2.00     5     1     0     0  5.00  1.67  0.33  0.00  0.00
    4 2021-01-04   1   1   0   1  1.00     6     2     0     1  3.00  1.50  0.50  0.00  0.25
    5 2021-01-04   1   1   0   1  1.00     7     3     0     2  2.33  1.40  0.60  0.00  0.40

还不错。注意，kda-summary 需要 使用标签 K 表示击杀、D 表示死亡、B 表示赏金、A 表示助攻。它输出您每场比赛的统计数据（K、D、A、B列），该场比赛的KDA值 (K+A)/D，K、D、A和B的运行总和（接下来的4列）以及KDA、K、D、A和B随时间变化（最后5列）的平均值（平均/比赛）。如果您想在这里停止并拉取这些数据到另一个程序，也可以。

注意日期字段 Date。如果您在日志的每行中放置日期格式为 YYYY-MM-DD 的日期，它将填充该字段。请参见上面的示例或 kvc。如果您不喜欢日期的格式要求，可以在那里提交错误报告。

半自动：KDA比较

那么，哪个装备或合作伙伴更好？KDA比较为您做了一些测试。

$ <journal.txt kda-compare
Processed. Read: 5 rows and 8 variables

[====================================================] 100.00 % 2696.14/s 
met    grp      n/d      val   N     n/d      ~val  M     p
kda    Sniper   5/1      5.00   3    2/2      1.00   2    0.06
kda    JP       2/0      inf    1    5/3      1.67   4    0.49
kda    Shotgun  2/2      1.00   2    5/1      5.00   3    0.77
kda    JB       2/2      1.00   2    5/1      5.00   3    0.78
b/d    Sniper   1/1      1.00   3    1/2      0.50   2    0.24
b/d    Shotgun  1/2      0.50   2    1/1      1.00   3    0.69
b/d    JB       2/2      1.00   2    0/1      0.00   3    NaN
b/d    JP       0/0      NaN    1    2/3      0.67   4    NaN

让我们看看。第一行是 met grp ... 这些是

• 指标名称（例如，kda或赏金/死亡b/d）
• 项目组（grp）
• 值计数（n）
• 死亡（d）
• 带有grp的指标的'val'值
• 使用grp的匹配数量（N）
• 没有grp的值计数（n）
• 没有grp的死亡计数（d）
• 没有grp的指标的'val'值
• 没有grp的匹配数量（M）
• 以及在没有grp的情况下观察到该'val'的概率。

您可以看到每个项目的pvp指标（kda或（击杀+助攻）/死亡），以及pve指标（赏金/死亡）。

最后一个，p，通常被称为p值，如果它很低，那么您使用grp的回合比没有grp的回合要好得多。

在上面的数据中，使用 Sniper 武器的回合似乎比不使用它的回合要好得多，给定 p 值很小。

注意，有些 NaN，因为当我与JP一起玩时，我没有得到赏金或死亡（0/0），这并不是一个有意义的比较结果。不那么明显的是，当我与JB一起玩时，我也无法得到p值，因为在我不与JB一起玩的回合中，我 从未 得到赏金。这意味着对于 基线（没有JB）的情况，没有有意义的表示。

好吧，那么呢？自己得出结论，并尝试混合你的装备。如果你只和你的朋友JP玩狙击手，只和你的朋友JB玩霰弹枪，它们将高度相关，可能很难看出JB或霰弹枪哪个更有影响。

有一个选项-i可以忽略某些物品。如果你只想看武器，这很有用。

让我们忽略我的僚机JP和JB，只检查武器。

$ <journal.txt kda-compare -i JP JB
Processed. Read: 5 rows and 8 variables

[====================================================] 100.00 % 3450.51/s 
met    grp      n/d      val   N     n/d      ~val  M     p
kda    Sniper   5/1      5.00   3    2/2      1.00   2    0.08
kda    Shotgun  2/2      1.00   2    5/1      5.00   3    0.77
b/d    Sniper   1/1      1.00   3    1/2      0.50   2    0.24
b/d    Shotgun  1/2      0.50   2    1/1      1.00   3    0.69

现在我们看到狙击手在KDA上略有下降，但b/d没有变化。

你也可以测试配对（组大小=2）

$ <journal.txt kda-compare --group-size 2
Processed. Read: 5 rows and 8 variables

[==================================================] 100.00 % 8175.42/s 
met    grp         n/d      val   N     n/d      ~val  M     p
kda    JP+Sniper   2/0      inf    1    5/3      1.67   4    0.47
kda    JB+Sniper   1/1      1.00   1    6/2      3.00   4    0.78
kda    JB+Shotgun  1/1      1.00   1    6/2      3.00   4    0.79
b/d    JB+Shotgun  1/1      1.00   1    1/2      0.50   4    0.62
b/d    JB+Sniper   1/1      1.00   1    1/2      0.50   4    0.64
b/d    JP+Sniper   0/0      NaN    1    2/3      0.67   4    NaN

现在我们看到朋友/武器配对之间没有真正差异。注意inf结果。你可能认为无穷大是无法分析的。但是，因为我们使用的是bootstrap方法（见poisson-rate-test），你实际上可以得到有意义的概率，因此可以得到有意义的p值。

为了确认朋友是一个干扰变量（没有统计上显著差异），尝试忽略武器

$ <journal.txt kda-compare -i Sniper Shotgun
Processed. Read: 5 rows and 8 variables

[====================================================] 100.00 % 3948.08/s 
met    grp n/d      val   N     n/d      ~val  M     p
kda    JP  2/0      inf    1    5/3      1.67   4    0.49
kda    JB  2/2      1.00   2    5/1      5.00   3    0.77
b/d    JB  2/2      1.00   2    0/1      0.00   3    NaN
b/d    JP  0/0      NaN    1    2/3      0.67   4    NaN

这里我们确实看到，僚机的选择对武器选择的影响要小得多（比较之前的两个例子中的值）

使用

$ kda-compare -h
It *expects* input in kvc format (one match per line), and processs the variables K, D, and A, as a function of *all
other* variables present. It ignores kvc keywords / fields (like dates), but you'll have to specify other things to
ignore manually.


USAGE:
    kda-compare [FLAGS] [OPTIONS]

FLAGS:
    -f               Speed up computation by doing a fewer number of iterations. Helpful for quick looks but the
                     ordering of some sets may change across multiple invocations
    -h, --help       Prints help information
    -n               Display notes about particular test cases in the output
    -V, --version    Prints version information

OPTIONS:
    -g, --group-size <group_size>    Instead of individual items (group_size==1), rank by enumerated groupings that
                                     appear in data of a given size. [default: 1]  [possible values: 1, 2, 3, 4]
    -i <ignore>...                   List of fields to ignore (if they appear in data). You can ignoring fields A B and
                                     C as '-i A,B,C' or '-i A -i B -i C' but not '-i A B C' or '-i A, B, C'. That's
                                     because of shell magic, not becuase of the way it was implemented
    -o <out_format>                  Output format which can be one of Vnlog or Whitespace-,  Tab-, or Comma-seperated.
                                     [default: wsv]  [possible values: wsv, tsv, csv, vnl]

手册：KDA-Explore

要真正深入，你可以评估任何变量的条件分布，条件是任何其他变量的发生。这就是kda-explore的作用。

我的意思是，kda-explore中'K'与'k'与"杀"的语义无关。我们通过要求它按名称分析变量来探索数据。例如，在上面的数据中，要查看使用狙击手和不使用狙击手的比赛中的“K”个“杀”，你形成表示为“K:Sniper”的“实验”，并要求kda-explore通过kda-explore "K : Sniper"运行该实验。

$ < journal.txt kda-explore K:Sniper
Processed. Read: 5 rows and 8 variables
Varibables found: Date Sniper K D Shotgun JP B JB 
Debug: processing: K:Sniper
met    grp     n     M     rate  ~n    ~M    ~rate p     notes
K      Sniper  5     3     1.67  2     2     1.00  0.37

这意味着当你有狙击手时，杀的概率更高，但不是那么高，以至于它可能不会随着时间的推移而有很大差异（p .37）。我们这里只检查杀。死亡呢？

$ < journal.txt kda-explore D:Sniper
Processed. Read: 5 rows and 8 variables
Varibables found:
Date Sniper K Shotgun D JP B JB 
Debug: processing: D:Sniper
met    grp     n     M     rate  ~n    ~M    ~rate p     notes
D      Sniper  1     3     0.33  2     2     1.00  0.19

你可以运行许多用'vs'分隔的实验，针对许多输出变量...所有这些都是有效的

• kda-explore "K D : Sniper vs Shotgun"来查看与狙击手和霰弹枪相比的杀和死亡
• kda-explore "D : K"来查看你是否在杀人时死亡更多
• kda-explore "Sniper: JB"来查看你是否在JB在场时玩狙击手更多或更少
• kda-explore K:all来查看所有变量的杀散布和排序率比较

等等...每个“标签”（日志中的行上的物品）都是根据你的实验决定的有效输入或输出。

使用

$ kda-explore -h
USAGE:
    kda-explore [OPTIONS] <command>

FLAGS:
    -h, --help       Prints help information
    -V, --version    Prints version information

OPTIONS:
    -o <out_format>        Output format which can be one of Vnlog or Whitespace-,  Tab-, or Comma-seperated. [default:
                           wsv]  [possible values: wsv, tsv, csv, vnl]

ARGS:
    <command>    The A/B comparison to run, of the form '<some variables : <other variables>'. e.g., 'K: pistol'
                 will check kills with and wtihout pitols [default: K D A : all]

一种解释方法是“这没有意义”。这是真的，它仍然很原始，主要是我自己使用的玩具。

待办事项

• 更好地记录比赛日志格式。见：github.com/jodavaho/kvc.git
• 改进比赛日志以允许：计数。（再次见kvc）
• 提供比赛日志的linter
• 创建/分解矩阵的工具，格式适合第三方分析（例如R）
• 执行功率测试/实验设计
• 移除'-c'作为必选开关...当移除了基线'_'时已过时
• 提供C库版本
  • C++，
  • Rust

已知问题

• 如果您有一个在每一局游戏中都会使用的物品，那么您数据不足。对于形式为 k:A 的每个测试，必须有至少一个不出现 A 的匹配。如果没有击杀 (k) 也可以。