而现在流行的大数据有三个特征，第一个便是大数据研究的是全数据，而不是样本，第二个是不要求精确，而是混杂，第三个是放弃因果研究，只研究想关性。我们重点看第一和第三。

 

好了，现在我们手里有一个几百年来伴随我们的经典概率论，还有一个近来才有的新生事物，大数据。那么这些东西怎么影响我们的D2呢？

 

先看概率论，这几乎是D2的理论基础，mf，洗东西，rr，kc都来自于概率理论的推衍，因为总体的均值在那里，作为样本的我们，只要数据量足够，总会达到均值的，而数据量越大，和总体均值差距越小，所以我一直在说，‘效率=概率’，因为效率越高，单位时间内数据量越大，越接近总体概率。随着D2玩家年龄的增长，游戏时间受限，故而效率是保证你自身样本和总体最小偏差的及其重要的因素。保证了效率，就保证了概率。

 

在大数据出来之前，整个D2就是靠上面这些规则来支配的。但是大数据或许会有些不同的观点，不知道大家是否记得这句话，‘自古牛栏出大号’，还有曾经有人研究过的敲石头出25#的各种条件，等等等等。这些在现代的眼光看来就是大数据的原形态。只不过可能没有数据的支持和分析手段，只是凭经验。但是在大数据的今天，我们却是有能力做这些分析。还记得大数据的第一和第三条么？91D2几个赛季的数据，我不知道以何种形式被记录，这些记录是否被保存，是否能被处理，这就是一个全数据。而通过这些数据，我们大可不必去研究内在的机理，只需把眼光放在想关性上，比如：什么样的地图出25#的概率最大？海飞丝拖的抗性和25#有关吗？哪个服务器配合哪个地图配合什么char在什么时候敲最能出25#？亦或者大号出的地点和牛栏的远近真的有关系？当某两样东西的相关联系复杂到一定程度，那么研究直接的相关性是最效率的，而不是研究清楚每一步的作用机理。这里也有其他建伺服的玩家，我不知道是不是有人能把数据拿出来做一些分析，我知道高手在民间。

 

最后，纯粹是等开荒闲的蛋疼，不过时代在进步，发现新工具或许对老游戏还能有所贡献，也是不错的感觉