你好！
我试图了解TrueSkill如何在最简单的1vs1情况下工作。我主要使用的是原始论文和“ Computing Your Skill”。但是，当因子图出现时，我会感到困惑。我想我首先需要了解所有这些的逻辑，然后看看如何以较低的计算成本使用数学。 因此，一开始，需要确认，因子图只是使TrueSkill的数学计算成本降低的一种工具？
然后，我有一个均值为s1且方差为o1的高斯，并且对于玩家2也是相同的。然后，我们还创建了一个均值相同但游戏beta为方差的高斯。我们也知道比赛的结果。 因此，从理论上讲，不使用消息或求和积，贝叶斯在这里如何？我如何计算我的先验，可能性和证据？有高斯的和或乘的最终表达吗？我想念其他东西吗？我在问什么有意义？
我的想法是这样的：假设玩家1的技能高于玩家2，并且玩家1获胜。因此，后验=具有新方差的新高斯技能。与贝叶斯的关系是可能性*先验/证据。先验是具有平均技巧及其方差的第一个高斯。后验是减去玩家1与2的高斯性能。证据是一个玩家与玩家2的实际获胜百分比。我在说什么呢？
答案 0 :(得分：0)
这是您可能更熟悉的语言基本概念。
我们为每位球员提供的先验条件是，他们的真正技能先于钟形曲线出现，且均值和标准差均已知。比赛的先决条件是一个球员的技能独立于另一个球员的技能。比赛结果的先验条件是每个技能差异获胜/失败/失败的概率。
您参加比赛并记录比赛结果。
鉴于观察和我们对技能差异的先验分布，我们对技能差异有后验分布。沿着链条走回去，我们得到了后铃形曲线，以了解每个玩家的技能。因此，我们获得了新的均值和标准差。
现在请注意，在数学中，玩家的后验分布现在是相关的。但是，如果我们试图跟踪这些相关性，我们将更新贝叶斯网络，这是一个NP完全问题。因此，我们撒谎并假装它们现在不相关。这个谎言称为 naive 贝叶斯（Bayes），在实践中，相关性往往会相互抵消，以至于效果很好。
有帮助吗？
答案 1 :(得分：0)
您可以只关注一名玩家，以真正简化事情。如您所述，该模型使用的是贝叶斯定理namespace project_1
{
class check
{
check checkobject = new check();// Line-1
/*I have not access Line-1 in main method.
But due to Line-1 or Line-2, output says "Process is terminating due to StackOverflowException". Why??
I do not need the solution, I want to know the reason for it.
Removing " new check() " from Line-1, then it works fine.
*/
public void Display() {
Console.WriteLine("It worked");
}
}
class DemoProgram
{
static void Main(string[] args)
{
check ob1 = new check();// Line-2
ob1.Display();
}
}
}
。假设posterior = likelihood*prior/evidence是玩家技能的随机变量（在本文中，平均值为A的正态分布），而s_i是游戏结果的随机变量。
B本文中的模型要复杂得多，因为有多个参与者，并且团队规模各异，但是这种简化显示了使用贝叶斯定理的地方。