私は、他のボットに対してじゃんけんをする (そして勝たなければならない) 非常に単純なボットを構築しようとしています。
私が選択した機能は、自分と対戦相手による以前の動き (true/false でそれぞれ 3 つのノードを作成したため、以前の動きには 6 つのノード) と、前のラウンドで勝ったかどうかです。これにより、入力として合計 7 つの機能が作成されます。<--- 機能を正しく設定しているかどうか教えてください
私が気づいたこれらの 7 つの機能は、前のラウンドの動きと勝敗を組み合わせて別の機能を作成できるように、互いに関連している可能性があります (例: 負けた + 対戦相手がロックを使用した = 対戦相手が再びロックを使用した)。これを最もよく捉える AI 技術はどれだと思いますか? ニューラル ネットワークかナイーブ ベイズか、それとも別のものか?
Naive Bayes の単純な点は、特徴が独立していると仮定していることです。つまり、「負けて対戦相手が岩を使った」とは表示されません。代わりに、「負けました」と表示され、「対戦相手が使用したロック」も表示されます。「負けた」だけでは意味がありませんし、「相手が使った岩」も意味がありません。したがって、ナイーブ ベイズでは、優れた結果が得られません。
NN の方が適しているかもしれませんが、ここでは決定木がおそらく最善の策だと思います。おまけとして、NN よりもはるかに有用な AI 手法である決定木について学習します。
実際、NN はこの問題にかなり適していると思います。しかし、まともなプレーをするためには、より多くの入力が必要だと思います: 少なくとも一握りのプレーをモデル化する必要があります (つまり、「私がプレーした/彼らがプレーした」ということは、1 ラウンドだけでなく過去のnラウンドでnも、少なくとも、私は知らない '、3 または 4)。
「ラウンドに勝った」という入力が必要かどうかは議論できます。一方で、勝利はプレイから発生するため、厳密には必要ありませんが、「プレイxして負けたので、次回は」 ll play yor 」は模範勝敗zをした方が拾いやすい可能性のあるパターンです。
ここでの前提は、検出可能なパターン シーケンスがあることです (対戦相手がRより頻繁にプレイするという統計的バイアスだけでなく、対戦相手がプレイする場合は次にPプレイする*PR*Sことが多いという統計的バイアスP)。これは妥当な仮説だと思います。これは、NN で拾うことができるはずの一種のパターンです。