Tier.SC는 Unkn0wn1에 의해 개발된 SOOP 스타크래프트 스트리머의 전적을 기반으로 한 다양한 관점의 분석과 승부 예측 시뮬레이션 서비스를 제공하는 웹페이지다.
본 위키에서는, 웹페이지 전반의 기능과, 각 기능을 달성하기 위한 머신러닝 모델·통계 기법·파이프라인 등을 가능한 성실히 공개하여 전문성과 투명성을 확보하고자 한다.
본 위키를 포함해, Tier.SC에서 서비스되는 모든 컨텐츠에 관한 모든 설계, 제작은 어떠한 외부개입 없이 Unkn0wn1 단독으로 수행했다.
모든 기능은 무료이며, 추후에도 어떠한 경우에도 수익창출을 하지 않는다.
또한, 개발자(Unkn0wn1)는 특정 대상의 팬/안티가 아니며, 가능한 최대한의 중립성을 지키고자 노력하고 있다.
문의사항 또는 제안에 대해서는 쪽지로 의견을 받을 예정이며, 쌍방향소통기능은 어떠한 경우에도 Tier.SC에서 지원하지 않는다.
개발자(Unkn0wn1)에 대해
특정 커뮤니티 출신이 아니며, 특정 대상을 편애/혐오하지도 않는다.
자기만족에서 이 프로젝트를 진행하고자 마음먹었으며, 그렇기에 완벽하지 않고 모두가 만족할 수 없음도 잘 알고 있다.
공개될 신상은 이것이면 충분하다고 생각하며, 커뮤니티에 본 닉네임으로 직접 게시한 글 이외에는 따로 작성하거나, 어떤 다른 아이디로 활동한 적도 없다.
설계철학
어떤 데이터를 공유하거나 비교할 때, 공유하려는 쪽은 원하는 부분을 매번 일일이 캡쳐해야 했다. 또한, 데이터가 여러 곳에 산재되어 있어 한 명의 플레이어에 대한 정보를 얻으려면 여러 출처를 오가야 하는 수고도 따랐다. 그렇게 만들어진 캡쳐조차 의도와는 다르게 해석되는 경우도 있었다. 결국 데이터는 고정된 이미지 단위로만 유통되었고, 보는 쪽이 원하는 각도로 다시 들여다볼 수 없는 '정적인' 형태에 갇혀 있었던 셈이다.
Tier.SC에서는 이러한 '정적인' 구조를 탈피하고 '동적인' 구조를 확보함으로써, 데이터가 단편적으로 소비되는 것을 넘어, 사용자를 포함한 제3자가 직접 다양한 관점에서 데이터를 재구성하고, 탐색할 수 있는 통합 환경을 구축했다.
"이 플레이어는 어떤 시점에 어떤 데이터를 쌓았는가?"라는 질문에 가능한 한 입체적으로 답할 수 있도록 구성한 것도 같은 맥락이다.
나아가, "직접 만들거 아니면 입 열지 말라"던가, "'전부' 공개하지 못하면 데이터 기반이라는 말을 쓸 자격이 없다"라는 말에 대한 대답이 되는 것이 목표다.
따라서, 본인은 어떠한 '시도'를 실질적으로 구현하고, 데이터를 가능한 수집하여 정량적으로 마련하고, 이를 통해 가능한 최대한으로 공개하여 어떤 판정의 근거를 제시하고자 한다.
물론, 이러한 판정결과를 보고싶지 않거나 관심이 없는 사용자를 위해, 기존에 공식 티어표로 인식되고 있는 티어표의 기록도 그대로 옮겨와, 최소한 본 웹페이지에서 여러 정보를 쉽게 동적으로 접할 수 있도록 했다.
이 위키가 다루는 범위
- 각 탭 소개 — 각 탭의 기능 요약과 인증 기반 잠금 해제 항목
- 머신러닝 모델(ML모델) — 학습 데이터, 모델 선택, 성능 지표, 해석 도구(SHAP·Calibration·Feature Importance), 향후 로드맵
- 업데이트 내역 — 최근 반영된 변경 사항
- 이론 문서 — 평가 알고리즘의 수학적 배경 PDF
기술 스택
| 영역 | 사용 기술 |
|---|---|
| 실력 모델 | Bradley-Terry |
| 승률 예측 | LightGBM + Sigmoid(Platt) Calibration |
| 하이퍼파라미터 튜닝 | Optuna (TPE 샘플러, n_trials=100 · timeout=600s) |
| 교차검증·홀드아웃 | TimeSeriesSplit 5-fold (튜닝용) + 시계열 3-way 홀드아웃 60 / 20 / 20 (Train / Calib / Test) |
| 데이터 증강 | Mathematical Symmetry (A/B 관점 대칭, 원본 ≈ 49,000 → 학습 행 ≈ 98,000) |
| 시간 감쇠 | Sample weight 0.9995^days_to_most_recent |