相关软件 /中文/ /中文/ /中文/ /中文/ /中文/ /中文/ /中文/ /中文/ /中文/ /中文/顶好评:50%踩坏评:50请简要描述您遇到的错误，我们将尽快予以修正。轮坛转帖HTML方式轮坛转帖UBB方式
18.5M/中文/7.3
970KB/中文/7.3
13.5M/中文/7.1
1.1M/中文/2.7
18.0M/中文/8.0
16.0M/中文/7.3
434KB/中文/6.8
技术控(LOL游戏数据分析)app，喜欢玩lol吗？喜欢就来下载技术控app吧，这里有最新的英雄使用技巧，装备信息，出装攻略等，喜欢的玩家千万不可错过，快来下载试试吧技术控(LOL游戏数据分析)app介绍基于全球英雄联盟铂金以上段位玩家数据，提供新版本英雄强弱趋势查询，英雄在各位置的天赋、符文、出装、技能、克制关系查询功能。部分功能一览神装系统,分享记录自己的神装，有趣的神装，好玩的作者都会收录；&可根据(账号名称 + 服务器)查询战斗力,胜率,胜场等；&查看英雄技能,英雄皮肤,历史背景,攻防值, 新手装备, 内嵌浏览器查看英雄攻略；&查看物品. 物品价格,物品合成方式；&更新日志1.1.21.所统计数据已更新到英雄联盟最新版本；&2.设置页面增加版本号提示；&3.优化APP加载速度。
安卓官方手机版
IOS官方手机版
我们在玩游戏的时候总会遇到一个瓶颈期，有些玩家受不了这个过程总会选择退出，其实我们可以在这种情况选择一些游戏辅助来帮助我们度过，这里西西给大家提供了所有手游的辅助下载，推荐有需要的用户来西西下载使用。
英文 / 5KB CDDisabler在不插入光盘的情况下读取光盘镜像文件，就可以玩光盘游戏了
中文 / 3.1M PP助手（iOS)是时下最适配iOS3.1--iOS7越狱设备的苹果助手，专为iPhone、iPad、iPodTouch越狱用户打造的一款软件、游戏、铃声、壁纸资源下载安装和管理的工具。界面设计扁平化，栏目布局一目了然，超过65万越狱应用轻松一键下载，铃声壁纸直接设置无需注销，完美
中文 / 1.9M 威锋iOS越狱助手为了完善一站式的越狱体验，快捷、方便的一键式越狱，让刚入门的小白轻松越狱。现在率先支持了盘古8的兼容。这次增加了对iTunes驱动地操作，可以判断iOS设备是否连接PC。还增强了win8.1环境下的兼容性！
中文 / 970KB 《烧饼游戏修改器SBgametool》是迄今为止Android平台上最简单好用的游戏修改工具(没有之一)，精小，快速，绿色，免费，无广告。由国内个人开发者烧饼倾情奉献。该软件通过修改正在运行的游戏的内存数据，达到修改游戏中的金钱，血量、得分、道具数量等参数值。
中文 / 11.6M 魔游游手机网游交易魔游游一直专注手游交易，以最安全最快捷成为众多手游玩家买卖的首选平台，平台汇集目前最新最热的《忘仙》、《世界》、《时空猎人》、《我叫MT》等等手游的多种交易业务，如账号、游戏币、装备道具等。提供卖家最安全的信息发布平台，让买家享受
中文 / 8.9M DOTA2伴侣--潘磕腥顺瓢Dota2的必备伴侣，涵盖英雄资料、英雄指数、技能介绍、技能搭配、出装搭配、英雄故事等！Dota2伴侣的特色：物品资料、物品合成、售价信息数据库每日更新离线数据库，不怕潘棵挥型~~~！！！最强、最全、最新、最酷的手机游戏攻略APP
技术控(LOL游戏数据分析)app 1.1.2安卓最新版
下载帮助西西破解版软件均来自互联网, 如有侵犯您的版权, 请与我们联系。LOL分析师国内外差别：数据分析都用高科技_|LOL分析师|数据分析esports电子竞技_凤凰网
& 英雄联盟LoL & 正文
LOL分析师国内外差别：数据分析都用高科技
来源：凤凰游戏
来源：游戏八爪&有人总是想问中国LOL成绩那么差，但是明明我们请来的都是最好的教练和分析师啊！怎么会这样？那么这个就有说头了，首先数据分析师是干什么的？简单的说就是对于每一局比赛大小数据的统计。
LOL中这个职业一般会分为四类： 一，普通的数据分析师只会记录双方BP，对手战队最近用了什么英雄，用了什么体系 二，高级的数据分析师会把战场上每一分每一秒的细节都记录到位，包括几分钟习惯插眼，Gank的路线和时机。野辅双游的时间，第一条小龙的时间等等。 三，特级的数据分析师，利用一些特殊软件，记录多场比赛发生的事情，用来宏观的比较对手的一举一动，这个比较高科技，欧美战队比较常用。 四，点菜，收快递的。 那么你觉得中国有多少一二三呢？又有多少四呢？相信不用点透你也明白，下面来看看S5总决赛上，在赛前并不被看好的OG战队中的业余分析师(你没看错，他是只是分析师上的替补！)是如何运用高科技来分析战局的！
以下是用Excel程序制作的2015世界总决赛概述。本程序收录了超过1500个LGD与KT的眼位记录。这个程序让我们可以实时监控他们的插眼行为，插眼时机，和更准确的位置。 现在我将展示这个程序的快速查看功能。
在第一张图片中，你可以看到在实时选择和过滤数据。目前该程序可以过滤的团队，单边，对手，游戏(或阶段)，对线开始，选手，不同类型的眼，和精确到某个时间某个位置的插眼位置。 每个队员现在可以研究他们线上的对手和其他位置。为此创造了另一个程序，可以自动跟踪插眼的数据：
对于该程序，添加插眼信息也是非常简单的。先在程序的分析区上找到地图上插眼的位置，选择该区域，按下一个组合键，选择该眼的类型，放置在该地图位置，填写基本数据，就能将这个眼位添加到数据库了。 目前，它的时间，地点，插眼选手，理论持续时间，实际持续时间，以及任何相关的说明。先填写用一个单一的点击数据，然后保存，就可以通通可以添加到眼位查看程序，便于以后更庞大的分析。 作者在下一个版本中将添加选项来创造更多的分析对象，如大小龙的优先级，塔的优先级，最近的gank，杀人，等等。 动画： 举个例子来说明KT与LGD战队插眼的不同： 这些都是红色有角三倍速播放的 KT战队红色方的对线总插眼情况 LGD战队蓝色方TBQ和PYL的插眼情况 KT战队蓝色方Piccaboo的插眼情况 个例-KT中单Nagne-所有红蓝方： 现在很明显，当一个眼被放置的时候，会有很多因素相互影响。击杀，推塔，小龙，团战，等等。但我可以学习一些关于每个选手提供清扫优势具体事情。以下是一个简单的例子看nagne的倾向。你可以看到他喜欢的地方，他的第一个饰品眼喜欢插在蓝色四鸟河道入口。 他的饰品眼通常插在中上河道，而他花75买的侦查守卫则喜欢插在中下河道。 队伍对比 KT团队眼位 LGD团队眼位 这里是LGD与KT在蓝色方的团队眼位，由此可见，LGD更喜欢通过布置视野来入侵。 这还是一个业余分析师，职业的还不把对面一举一动都研究透彻了，估计LGD自己都没这么研究过自己。有的人可能会说：&这有卵用？&，但这确实有卵用！ 第一，这表达出了人家的敬业精神！并不是混吃混喝； 第二，知己知彼百战不殆，OG好歹四强； 第三，别人不靠买韩国人来进总决赛，别人靠的技术和勤奋。 记录BP，记录对方最近的战术和打法，这些真的都太落伍了，至少韩国人和欧美人已经开始向着电子化数据分析师迈进了，中国呢？故步自封的做着冠军梦？明年再来？不好好清理下光拿钱不干活的寄生虫，恐怕战队永远不会有好的战术和应对。 中国队暴露出来的问题很简单： 一，选手骄纵，傲慢，最强王者了不起？教练的话都不听？不懂尊师重道，没有规矩。 二，所谓的教练组无能，拥有真本事的人不多。和上面的分析师一对比就知道了。 三，薪资太高，对于冠军没有渴望，打职业拿工资，当主播拿工资，对于冠军没有太多执念。 （你让他们现在一个月一两千试试，估计一个个都要爆发小宇宙了，身在福中不知道福） 四，环境恶劣，这里的环境指的是人为环境，这个不多说，太复杂，牵扯的东西太多。 总结：说好的电竞&洋务运动&呢？今年失败后，明年准备再加点钱买Faker吗？不解决这些问题，S6依然是看不到希望的一年。
[责任编辑：赵凤鹏]966,690 二月 独立访问用户
语言 & 开发
架构 & 设计
文化 & 方法
您目前处于：
软件分析的未来
软件分析的未来
日. 估计阅读时间:
软件分析：超越开发者
Ahmed E. Hassan
相关厂商内容
相关赞助商
QCon北京-18日，北京&国家会议中心，
软件分析（SA）通过基于事实的决策支持系统将商业智能的概念带到软件产业。今天，SA主要聚焦于帮助开发者个人解决日常编码和缺陷修复活动中的决策问题，这是通过挖掘开发者相关的资源库（例如版本控制系统和缺陷跟踪系统）来实现的。例如，通过挖掘历史变更的实际风险，我们可以自动地确定当前一个代码变更的风险&&或者叫出错可能（bugginess）1。
为了能成为一种强大的、战略性的决策制定工具，未来的SA研究必须超越这些平庸的任务。SA要能帮助到一个项目的各种利益相关者&&营销、销售、支持以及法务团队&&而不仅仅是开发者。SA必须挖掘除了开发者相关的资源库以外的、项目各个方面的资源和知识。传统方法挖掘的代码库应当与其他面向客户的资源库，例如运行日志、客户支持通话记录、博客和视频讨论等内容结合起来。
只有采取这样一种多方面的视角， SA才能支持更加有影响力的业务层次的决策，而不是那些太过普通的决策，象&这个文件缺陷多吗？哪个程序员能修复它&之类的问题。只有那样，我们才能帮助开发者和他们的经理就一段代码的重要性及其对用户满意度和收入等问题开展更加战略性的讨论，帮助支持人员借助错误日志和视频帮助的关联来更好的回答客户的咨询，帮助市场营销人员基于实际使用数据来更好的为他们的广告活动锁定目标群体，帮助销售人员通过理解每个特性对于客户的内在价值而进行更好的定价。
证明其对实践者的价值
Abram Hindle
软件分析最容易实现的目标&&度量和报告&&取得的成功反响很大。象GitHub、BitBucket、Ohlol、Jira、FogBugz等这样的现代软件服务已普遍使用可视化甚至是缺陷成本估计。从这件事看，即使那些开发者从没读过我们的一篇论文，我们也可以拍拍自己的背表示自我表扬了。
然而，软件分析更加甜蜜的果实却令人扫兴：数据挖掘技术在软件领域被遗忘了。我认为未来的软件分析将会考虑各种层次的上下文：软件开发域（非功能需求、环境、工具、风格，等等），软件本身（数据库、应用，等等），以及总体的软件项目上下文（需求、术语表、架构、社区，等等）。例如，自然语言处理采用的n-grams模型忽略了源代码的嵌套结构，而我们应当将这一知识考虑进来。因此，我们应当停止盲目地使用最新的数据挖掘工具，而应该加以修改和定制，以使其适合于软件分析。
我能看到缺陷重复识别或提交分类的准确率或召回率的提高，但却看不到这些提高对于实践者的意义所在。要证明其意义，软件分析必须显示出它的成本-价值比是否合理。相比之下，什么都不做有时候反而非常有效。我们得围绕实践者的真实需求来评估这些技术。我们不应该去评估10%的准确率的提高对于缺陷分类或经理而言是否有意义&&我们必须评价其经济性，这决定了实践者是否用得起我们的技术。
软件分析的未来取决于证明其对实践者的价值，证明其经济适用性，提供必要的工具和技术，通过有效的利用我们在软件工程领域的知识，来打造多一些意义、少一些表面化的软件分析。
单纯的数字还不够
Per Runeson
近年来，在软件工程社区，对软件分析的兴趣与日俱增。这代表了一种朝着&系统的、有组织的、可以量化的软件开发方法&前进的良好的趋势，就像ISO610.12软件工程定义中所说的那样。然而，数字还不够。软件工程所提出的问题极少能被象&4&或者&y = 3.1x + 2&这样的答案所回答。数字和等式对于表示数据之间的关系很重要，但对于实际使用来说，数字和等式必须伴以解释和可视化。
这里的&解释&指的是将数字运算带来的发现融入到真实的、活生生的软件工程世界里去，融入到组织和公司文化里去，融入到商务和市场里去。这主要是一种从定量到定性的转移。举个例子，假设软件分析发现在项目经理的经验和项目的失败之间存在一种负相关（即：项目经理的经验越高，项目失败的可能性越大），这是否意味着我们应该雇佣缺乏经验的经理呢？不，别忘了第三个因素&&项目复杂度。有经验的经理往往负责更复杂的项目，而这些项目失败的可能性更大。正是这种解释性的工作，才使得软件分析真正发挥作用。
另外一种将软件分析的数字运用到经理们的日常管理中去的方法是可视化。虽然绝大多数的软件经理的技术和分析能力都不错，但是他们往往没有时间去探究细节，他们需要可视化的方法来理解数字所代表的发现。统计和电子表格工具产生的图表是一个好的开端，但是，如何将软件分析的输出真正传递到决策者手里，还需要更多的研究工作。可视化是使软件分析展示出强大威力的利器。总之，我们应该继续推进软件分析的研究，但请不要忘记解释和可视化。
分析的三个问题
Martin Sheppard
使用高级机器学习和统计学方法，对各种软件工程产物（例如源代码和变更数据）进行数据挖掘，正成为一个迅速发展的行业。许多有趣的、有用的模型和发现正在涌现，但是，这些方法并非毫无危险。作为研究人员，我们应当问自己三个问题：
第一，我的模型与傻瓜策略（例如猜测或使用众数组）相比好多少？这看似一个没有必要的问题，但如果分析本身的目标就是要超过另一个模型或结果，那么我们的模型最终还抵不过一个坏模型的危险还是存在的。如果这显得耸人听闻了，让我来举个例子：Stephen MacDonell 和我最近证明，一些之前发布的结合趋均数回归和案例推理的预测性模型实际上还不如基于枚举的简单猜测。看似幼稚的基准方法却有着简单易用的优点。
第二，实际效果显著到什么程度？这一般用效应量（effect sizes3）来判断。然而，一种危险在于，如果像惯常一样的只关注零假设显著性检验及报告p值，那么当n很大的时候（对数据分析来说经常如此），即使非常小的效果在统计学意义上也是非常显著的（而在实效上却并非如此）。因为我们的目标在于发现具有实用价值的结果，确保不被p值所迷惑是非常重要的。
第三，当一个或多个输入条件发生一点变化时，结果会发生多大变化，即分析对输入条件按的敏感度有多大？我们务必提醒自己，我们所面对的是充满噪音和不确定的数据，因此，必须意识到输入中微小的度量错误可能会对模型产生一些影响，这是非常重要的。敏感性分析是分析这种弱点的一种系统性方法4。有了它，用户就知道一种模型是多么严重的依赖于某个特定的输入，这样，他们至少知道应该在哪里投入额外的工作来保证其精度。
走向&自然&软件分析
Prem Devanbu
分析可以被看作是设计和估计软件现象的统计学模型、然后使用这些模型来帮助程序员的学科。站在这个角度看，我们可以看到一个完全崭新的、不同寻常的研究前沿：将统计自然语言处理模型应用到一种新型的分析。
类似英语这样的自然语言是复杂的、微妙的、富于表达力的，任意一首莎士比亚式十四行诗都可以证明这一点。然而，在大多数时间，大多数人写和说的内容是高度可重复和可预测的。日常生活中的使用，与在线的庞大语料相结合，使得统计自然语言处理（SNLP）革命成为可能，并产生了不可思议的发明，例如Google翻译和Siri5。
大概在过去的几年中，我们惊奇的发现，软件代码也不例外6。尽管算法书充满了各种编程花样，但人们每天编写的大多数代码是简单的、高度可预测的。实际上，我们已经将统计自然语言处理领域的标准n-gram模型应用到软件代码，完成了数以百万计代码行的训练。使用SNLP中常用的基于熵的度量方法，我们发现代码的可预测性是英语的8到16倍。
我们还实现了两个工具来演示其实用价值。在第一个工具中，一个简单的n-gram模型足以极大的提高Eclipse自动建议引擎的性能。在第二个工具中，我们发现统计学模型可以用在Dasher framework7中帮助残障程序员使用手势来输入代码。但是，等一下，还有更多的应用场景：
将代码总结或检索（甚至是移植）作为一种翻译任务来实现，也是有可能的。
通过利用软件程序的概率分布是高度不均匀的这一特性，基于搜索的软件工程方法有可能得到改善：绝大多数理论上可能的软件程序，实际上永远不会出现在这个世界上。
我们还相信，一旦有了足够大量的可供训练的标注代码语料，我们可以将一些静态分析问题转换为翻译任务。
摆在前面的工作还有很多，让我们一起努力吧！
呼唤：信息分析师的协助
Sunghum Kim
我是《不可能的任务》和电视剧《反恐24小时》一类谍报剧的狂热粉丝。那些特工令人赞叹：他们勇敢无畏，全身心的投入任务，总能在正确的时间做出正确的决定。他们是英雄，但我们不应该忽略那些通常坐在总部电脑后面的信息分析师（例如《反恐24小时》里的Chloe）。这些人提供非常重要的信息，包括背景、对手的优缺点、位置以及可能会发生的危险。信息分析师对任务成功是不可或缺的，甚至可以说信息分析师是真正的英雄。
不幸的是，在我们的软件特工（开发工程师）与缺陷这些大坏蛋战斗的时候，他们没有信息分析师的帮助。开发人员必须自己确定是哪里出了问题、怎么修复。结果可想而知，很多时候都失败了。
我们需要为程序员提供信息分析师的服务，协助他们做出正确的决定。虽然像Chloe那样的信息分析师供不应求，好消息是软件分析或多或少的具有类似的功能。类似人类信息分析师，软件分析能够基于开发人员的当前任务持续的提供上下文信息。漂亮的可视化和人机交互技术促进了信息的有效呈现。
E. Shihab et al., &An Industrial Study on the Risk of Software Changes&, Proc. ACM SIGSOFT Symp. Foundations of Software Eng. (FSE 12), ACM, 2012.
M. Shepperd and S. MacDonell, &Evaluating Prediction Systems in Software Project Estimation&, Information & Software Technology, vol. 54, no. 8, 2012, pp. 820&827.
P. Ellis, The Essential Guide to Effect Sizes: Statistical Power, Meta-Analysis, and the Interpretation of Research Results, Cambridge Univ. Press, 2010.
A.Saltelli, S. Tarantola, and F. Campolongo, &Sensitivity Analysis as an Ingredient of Modeling&, Statistical Science, vol. 15, no. 4, 2000, pp. 377&395.
K. Sparck Jones, &Natural Language Processing: A Historical Review&, Current Issues in Computational Linguistics: In Honour of Don Walker, Kluwer, 1994.
A. Hindle et al., &On the Naturalness of Software&, Proc. Int'l Conf. Software Eng. (ICSE), IEEE, 2012.
S.A. Wills and D.J.C. MacKay, &DASHER: An Efficient Writing System for Brain-Computer Interfaces?&, IEEE Trans. Neural Systems and Rehabilitation Eng., vol. 14, no. 2, 2006, pp. 244&246.
Ahmed E. Hassan是NSERC BlackBerry软件工程主席。NSERC即加拿大自然科学和工程研究委员会，是加拿大负责大学科研的联邦资助机构。Hassan供职于加拿大女王大学计算机学院软件分析和智能实验室（SAIL），一直以来致力于推动软件仓库挖掘社区及相关会议（http://msrconf.org）。他的email是ahmed.。
Abram Hindle是Alberta大学计算机科学副教授，从事的工作包括软件仓库挖掘、通过上下文信息来改善面向软件工程的信息检索、以及软件维护对于软件能源消耗的影响等。他的email是abram.hindle@ softwareprocess.es。
Per Runeson是Lund大学软件工程方向的教授，负责嵌入式应用软件工程产业卓越中心的工作。他的email是per.runeson@ cs.lth.se。
Martin Shepperd是伦敦Brunel大学软件技术教授、实用软件工程杂志副主编、英国计算机学会院士。他的email是martin.shepperd@brunel.ac.uk。
Prem Devanbu是加州大学Davis分校的计算机科学教授，拥有Rutgers大学博士学位。他的邮件是devanbu@cs.ucdavis.edu，个人主页是：www.cs.ucdavis. edu/~devanbu。
Sunghum Kim是香港科技大学助教，研究领域是软件工程，软件演化、软件分析、软件仓库数据挖掘、开发社交网络挖掘、程序分析和其他实证研究。他的email是hunkim@cse.ust.hk。
本文最初发表在 杂志上， 的目标是打造前沿和未来软件从业者的社区，通过发布可靠的、有用的、先进的软件开发资讯，使得工程师和经理们跟得上快速技术变革的步伐。
感谢对本文的审校。
给InfoQ中文站投稿或者参与内容翻译工作，请邮件至。也欢迎大家通过新浪微博（）或者腾讯微博（）关注我们，并与我们的编辑和其他读者朋友交流。
Author Contacted
告诉我们您的想法
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
赞助商链接
InfoQ每周精要
通过个性化定制的新闻邮件、RSS Feeds和InfoQ业界邮件通知，保持您对感兴趣的社区内容的时刻关注。
架构 & 设计
文化 & 方法
<及所有内容，版权所有 &#169;
C4Media Inc.
服务器由 提供, 我们最信赖的ISP伙伴。
北京创新网媒广告有限公司
京ICP备号-7
注意：如果要修改您的邮箱，我们将会发送确认邮件到您原来的邮箱。
使用现有的公司名称
修改公司名称为：
公司性质：
使用现有的公司性质
修改公司性质为:
使用现有的公司规模
修改公司规模为：
使用现在的国家
使用现在的省份
Subscribe to our newsletter?
Subscribe to our industry email notices?
我们发现您在使用ad blocker。
我们理解您使用ad blocker的初衷，但为了保证InfoQ能够继续以免费方式为您服务，我们需要您的支持。InfoQ绝不会在未经您许可的情况下将您的数据提供给第三方。我们仅将其用于向读者发送相关广告内容。请您将InfoQ添加至白名单，感谢您的理解与支持。}