我正在寻找一些帮助来模拟这个机器学习问题。
一只手由三行组成（分别包含3,5和5张牌）。你的目标是建立一个得分最高的牌。你会在街道上收到这些卡片，在第一条街道上收到五张卡片，在接下来的四条街道上收到三张卡片（你必须丢弃最后四条街道中的一张卡片）。放置卡片后，卡片无法移动。 More details on scoring
我的目标是建立一个系统，在给定一组街道的情况下，可以像我们最好的玩家一样玩牌。很明显，我需要为每条街道建立一个神经网络，使用基于现有手牌和街道上的一组牌的功能。我有足够的数据（街道，展示位置和最终得分），但我不知道如何对问题进行建模，因为可能的输出在卡片组中是唯一的（尽管少于第一条街3 ^ 5个位置，之后3 ^ 3个）。我之前只处理过固定类别的分类问题。
当您有独特的输出时，是否有人有类似问题的示例或建议如何准备训练数据？
答案 0 :(得分：4)
一个模糊的问题给出了一个模糊的答案（这是我懒得编码的借口; - ）。
你写道你有很多数据，似乎你想把游戏映射到通过监督学习获得的经验。但这不是游戏优化的工作方式。人们通常不会进行有监督的学习，而是强化学习。差异是微妙的，但强化学习（以马尔可夫决策过程作为其理论基础）提供了更多的本地视图 - 比如在特定状态下优化决策。有监督的学习相当于同时优化多项决策。
通常的监督学习方法的另一个显示阻碍是，即使你有很多数据，它几乎肯定会太少。并且它不会提供＆＃34;所需的路径＆＃34;。
至少自Thesauro的步步高玩家以来的常用方法是：设置游戏的基本规则，可能将人类知识作为启发式引入，然后让程序尽可能经常地对抗自己 - 这例如，google深度思维是如何建立一个高手的玩家。另请参阅this interesting video。
在你的情况下，任务原则上应该不那么难，因为游戏状态相对较少，而且重要的是，任何涉及诈唬，一致游戏等心理学所涉及的问题都是完全缺席的。< / p>
再次：建立一个可以对抗自己的机器人。一个常见的基础是函数Q(S,a)，它为任何游戏状态和玩家可能的行动赋值 - 这称为Q学习。而且这个函数通常被实现为一个神经网络...虽然我认为它不需要那么复杂。
我现在暂时保持模糊。但如果有必要，我很乐意为您提供进一步的帮助。