Ryan Laplante：可信赖的HUD数据

如果你没有观看WSOP金手镯得主Ryan Laplante九月底为��11天的Twitch扑克直播，那么你错过了一次款待��

Laplante的扑克直播很特别，为了区分他对抗休闲玩家采用的易剥削风格和对抗最好常客玩家的良好平衡GTO风格，Laplante全面解析了他所做的每一次行动。对于我们这些希望提高牌技的牌手，这是一个很好的款待，因为他希望教给我们更多知识，而不是像大多数主播那样追求娱乐性��

那些错过Laplante直播的人很幸运，Laplante已经把直播视频存到了他的Twitch频道。为了仔细寻找所有隐藏的策略精华，我已经仔细观看了这些视频的每一秒。Laplante在一次直播中解释了他如何简化自己的HUD界面，这也是本期“Twitch教学时刻“要讲述的主题��

Laplante的HUD界面只显示五个统计数据：

1.  VPIP——一名牌手主动投入资金到底池的频率��

2.  PFR——一名牌手翻前加注的频率��

3.  RFI——一名牌手作为翻前率先加注者率先在底池加注的频率��

4.  3Bet——一名牌手翻��3bet的频率��

5.  STL——一名牌手在后面位置尝试偷取盲注的频率��

在一个我们有权利获得那么多信息的时代，只使用五个数据可能看起来有点让人惊讶。然而，Laplante对他为何这么做给出了令人信服的理由��

如Laplante的解释，他使用这种基本HUD设置是因为这些数据是在最短的时间由可靠的样本数据收集而来的。鉴于这些都是翻前统计数据，你有机会在几乎你游戏的每一圈得到新数据��

像持续下注频率（cbet%）这样的翻后数据则不是这样。为了得到这个数据的一个新采样，牌手必须翻前加注，不被3bet，而且翻牌圈不被别人领先下注。不像翻前主动投钱到底池的机会，这些事件的组合不会频繁发生��

为了证明这点，Laplante展示了一个和他有300手牌交战记录的牌手的统计数据。这听起来像一个不错的样本尺度。但是，当他显示翻后数据时，我们看到该牌手在他们打过��300手牌中只��11次做持续下注的机会��

300手牌并非一个能得到大量持续下注统计数据的样本尺度。由于样本数据尺度的不足，这个数据初看起来可能太高或太低。当你考虑到这个数据没有考虑到位置差异、筹码量、公共牌结构或看到翻牌的牌手数量时，这种说法尤其正确。当你开始查看转牌圈和河牌圈的数据时，这些数据可能更不可靠��

翻后数据不能像翻前数据那样快速收集，因而不能像后者那样有用。因为这个原因，Laplante认为翻后数据应该在样本数据变可靠时在弹出窗口（pop-up）查看，不要实时显示。而且，当你查看这些翻后数据时，不要查看牌局数，而是查看出现的机会，确保利用翻后数据之前样本尺度是有效的��

Laplante说，许多常客牌手和休闲玩家因为使用了太多小样本尺度的翻后统计数据而犯错。希望你在下次尝试根据HUD翻后数据做决定时想到这一点，避免犯同样的错误��