训练神经网络来预测纸牌游戏的赢家

Question

在一个制作的纸牌游戏中，有2个玩家，每个玩家获得5张牌（标准52张牌），之后一些任意功能决定一个获胜玩家。考虑到每个玩家持有的5张牌，目标是预测游戏的结果。训练数据可能如下所示：

Player A      Player B      Winner

AsKs5d3h2d    JcJd8d7h6s    1
7h5d8s9sTh    2c3c4cAhAs    0
6d6s6h6cQd    AsKsQsJsTs    0

“玩家”栏数为5张牌，牌手A获胜时“获胜者”列为1，玩家A失败时为0。

应该对手的顺序漠不关心，以便在训练之后，为网络提供镜像输入数据，如：

Player A      Player B

2d3d6h7s9s    TsTdJsQc3h

和

Player A      Player B

TsTdJsQc3h    2d3d6h7s9s

总会预测相反的结果。

对于牌本身内牌的顺序也应该无动于衷，因此AsKsQsJsTs与JsTsAsKsQs相同，与JsQsTsAsKs等相同。

构建神经网络及其训练数据以解决此类问题有哪些合理的方法？

Answer 1

你需要一个有104个输入的网络（玩家*卡数） 前52个输入对应于玩家A，接下来的52个对应于玩家B. 将所有输入初始化为0，然后对于每个玩家拥有的每张卡，将相应的输入设置为1.

对于输出层，通常有两种二元分类选项。您可以拥有一个输出神经元，如果此神经元的输出大于某个阈值，则玩家A获胜，否则玩家B获胜。或者你可以有两个输出神经元，只看看哪一个产生最高输出。两者一般都很好。

对于训练数据，而不是像“AsKs5d3h2d”这样的东西，你需要一个热门编码，比如“0001000001000000100100000100000000011001000000001001”（假装有104个数字，其中10个是1，剩下的是0）和输出数据你只需要1或0对应谁赢了（在有一个输出神经元的情况下）

这将使您的网络对卡的顺序不变（给定手的所有可能的命令将创建相同的输入）并且对于交换玩家A和B的手并获得相反的结果，这应该是对任何训练有素的网络来说都很自然。

Answer 2

首先，在继续解决此问题之前，您应该了解神经网络（NN）的使用。 NN试图找出输入和输出之间的复杂关系。 （这里你的输入是五张卡，输出是预测类）。

在这个问题中，可以很容易地制定输入和输出之间的关系。即你可以轻松选择一套宣布最终获胜者的规则。

仍然像其他任何问题一样，这个问题也可以用NN处理。首先，您需要准备数据。

总共有52种输入可能。因此，在数据集中取52列。现在在这52列中，您可以填写三种类型的分类数据。它属于'A'或'B'或没有身体。 'C'和输出可以成为赢家。

现在您可以使用NN进行训练。