Question

这可能属于国际象棋界的社区，但我从编程角度看问题，而不是教育学甚至国际象棋角度。

我知道有几项研究和尝试创造国际象棋引擎，它使用机器学习的一些变种来玩国际象棋（其中大多数通常是在主题上研究，而不是试图胜过蛮力方法，这是迄今为止优于其他方法），但很少尝试将机器学习应用于国际象棋教学法。

国际象棋教练/导师的主要原因之一是导师提供的个性化关注和指导。然后是否有可能创建一个国际象棋程序，使用机器学习来生成个性化的课程＆＃34;根据用户的优势和劣势为用户服务？

课程不一定复杂，甚至可以从数据库生成相关职位，并要求用户“解决”问题。他们，然后给出答案（正确或不正确）的线或变化是一个很大的指示（因为，即使没有解释，变化通常就足够了）

主要问题是：

该软件如何能够衡量用户的技能水平？（这确实是ML算法必须进入的地方）
软件如何确定难度或＆＃34;适当性＆＃34;测试位置？例如，假设软件确定用户在战术位置上有困难（大多数业余玩家都有这个问题）程序如何选择一个位置（从其游戏数据库中，假设）具有合理的战术难度？
最后，软件将如何完成并适应用户的改进？

如果这个问题是抽象的或理论上的，我道歉，如果是的话，我会把它移到其他地方。

谢谢

Answer 1

我首先让国际象棋程序将统计信息转储到CSV或JSON文件中，显示：

移动了哪些部分以及多久

直到将军发生了多少次行动

在一段时间内玩了多少场比赛。

随着时间的推移拍摄了多少件。等

您在挑选感兴趣的数据点或将用于训练ML算法的功能方面具有极大的灵活性。一旦将这些数据点放在一起并且数据文件可以用于您的算法，您就可以开始训练它并查看您获得的预测结果。然后需要调整您的实验，直到您获得确实有用的结果。

这是一个基于Python的随机Forrest算法以及a tutorial来帮助您入门：

from sklearn.ensemble import RandomForestClassifier
from numpy import genfromtxt, savetxt

def main():
    #create the training & test sets, skipping the header row with [1:]
    dataset = genfromtxt(open('Data/train.csv','r'), delimiter=',', dtype='f8')[1:]    
    target = [x[0] for x in dataset]
    train = [x[1:] for x in dataset]
    test = genfromtxt(open('Data/test.csv','r'), delimiter=',', dtype='f8')[1:]

    #create and train the random forest
    #multi-core CPUs can use: rf = RandomForestClassifier(n_estimators=100, n_jobs=2)
    rf = RandomForestClassifier(n_estimators=100)
    rf.fit(train, target)

    savetxt('Data/submission2.csv', rf.predict(test), delimiter=',', fmt='%f')

if __name__=="__main__"

当你开始行动时，这可能会非常有趣。让程序开始预测玩家的弱点取决于您选择收集哪些数据。

祝你好运。

机器学习适用于国际象棋辅导软件

1 个答案: