Question

在我们的办公室，我们经常在下班后享受几轮桌上足球/桌上足球。我已经整理了一个小的java程序，它从可用的玩家中生成随机的2vs2阵容，然后将匹配结果存储在数据库中。

结果的当前预测使用来自4个参与球员的所有先前比赛结果的简单平均值。这给出了一个非常粗略的估计，但是我想用更复杂的东西来代替它，考虑到这样的事情：

玩家可能会扮演攻击者的角色，但作为后卫可能会很糟糕（反之亦然）
球员对阵特定对手/对别人不利
有些团队合作得很好，有些则没有
技能随时间而变化

尽可能准确地预测游戏结果的最佳算法是什么？

有人建议使用神经网络，这听起来很有意思......但是我对这个话题没有足够的知识来说明这是否可行，而且我也怀疑可能需要太多游戏才能进行合理训练

编辑：
由于一些项目的最后期限，不得不从这里休息一下。为了使问题更具体：

鉴于以下mysql表包含到目前为止播放的所有匹配项：

table match_result

match_id      int pk
match_start   datetime
duration      int (match length in seconds)
blue_defense  int fk to table player
blue_attack   int fk to table player
red_defense   int fk to table player
red_attack    int fk to table player
score_blue    int
score_red     int

你怎么写一个函数predictResult（blueDef，blueAtk，redDef，redAtk）{...}
尽可能接近地估计结果，执行任何sql，进行计算或使用外部库？

Answer 1

使用TrueSkill算法，它非常擅长。我已经为桌上足球和国际象棋实现了它，它运作良好。同事告诉我，这几乎太了。

有关其工作原理的完整详情以及指向我的实施的链接，请参阅我的“Computing Your Skill”博文。

Answer 2

为什么要使用神经网络？使用统计数据，可能是每个玩家之间的相关性很好。

Answer 3

刚开始让我们收集一些信息：对于我们需要的特定玩家：

他们的位置
最终得分

一名优秀的攻击者将获得积分。一个好的防守者会阻止得分。

真正的信息将来自一名优秀的攻击者与优秀的防守者对抗。

Answer 4

尝试应用朴素贝叶斯分类器。

贝叶斯学习是一种概率论基于的方法假设数量利息受概率控制分布和最佳可以通过推理做出决定关于这些概率在一起观察数据。 [米切尔，T。（1997），机器学习]

玩家的相同确切分布可能导致不同的匹配结果。如果你的数据中有一个模式，一个基于变量的模式，Naive Bayes分类器可能会产生很好的结果。

算法不是很复杂。我认为，对概率有一定了解的人，可以理解＆amp;应用它。

在入侵检测系统中，它通过查看各种网络参数用于确定网络异常。贝叶斯方法在特定类型的数据中可能非常成功并且产生高TP＆amp;低FP率。但它也可能导致高FP率，具体取决于您的数据。您的数据将决定最佳方法。

您可以使用数据挖掘软件库Weka（http://www.cs.waikato.ac.nz/~ml/weka/），并尝试不同的算法。它包含朴素贝叶斯分类器。试着看看。

Answer 5

一种选择是尝试将点差推测为some sort of linear model。如果你有比玩家更多的游戏，可以通过为所有游戏构建游戏矩阵（一个队员为+1，另一个为-1，观众为0）为每个玩家进行最小二乘点积分传播的矢量。

桌上足球结果预测

5 个答案: