使用Weka进行游戏

Question

我正在做一个项目，我有神经网络（或其他算法）在扑克中互相玩耍。在每次获胜或失败之后，我希望神经网络（或其他算法）更新以响应损失的错误（如何计算这在这里是不重要的）。

Weka非常好，我不想重新发明轮子。但是，Weka的API似乎主要用于训练数据集。游戏不使用数据集。相反，网络播放，然后我希望它根据其丢失进行自我更新。

是否可以使用Weka API更新网络而不是数据集但是在一个实例上反复执行此操作？我在考虑这个问题吗？

我还想实现的另一个想法是使用遗传算法来更新神经网络中的权重，而不是反向传播算法。据我所知，没有办法在Weka中手动指定神经网络的权重。当然，如果为此目的使用遗传算法，这一点至关重要。

请帮助:)谢谢。

Answer 1

通常，weka学习算法是批量学习算法。你需要的是增量分类器。

来自weka docs

  

大多数分类器需要在可以训练之前查看所有数据，例如J48或SMO。但也有一些方案可以通过增量方式进行培训，而不仅仅是批处理模式。实现weka.classifiers.UpdateableClassifier接口的所有分类器都能够以这种方式处理数据。

请参阅UpdateableClassifier接口，分类器将其实现。

另外，您可能会看到与weka密切相关的MOA Massive Online Analysis工具，并且由于在线学习的限制，所有分类器都是递增的。

Answer 2

据我所知，Weka没有做在线学习（这是你要问的）。

使用competitive analysis进行游戏调查可能会更好。

Answer 3

你可能需要在这里重新发明轮子。我认为时间利用不好。

我目前正在实施一个学习分类系统，这非常简单。我还建议研究这些算法。互联网上有一个实现，但我仍然喜欢编写自己的代码。