我打算使用 SlopeOne 算法来预测玩家是否可以完成游戏中的给定关卡?
场景如下:
- 许多游戏玩家都在玩并尝试完成游戏中的 100 个关卡。
- 每个玩家都可以玩任意多次关卡,直到他们通过关卡。
- 系统会跟踪级别和每个级别的重试次数。
- 每个游戏级别都属于 3 个类别(简单、中等、困难)之一
- 级别在每个类别中的大致分布是 33%,这意味着 33% 的级别是简单的,33% 的级别是困难的,等等。
使用此信息:
当新玩家开始玩游戏时,经过几个级别后,我希望能够预测 玩家可以轻松跨过哪些关卡,哪些关卡不容易跨过。
有了这种预测能力,我想展示用户能够以 50% 的概率通过的游戏关卡。
我可以为此使用 SlopeOne 算法吗?
推理是我发现我想要的东西与电影评级系统有很多相似之处。
n 个用户、m 个项目和 N 个评分来预测给定项目的用户评分。
同样,在我的情况下,我有
n 个用户,m 个级别和 N 次重试 ...
唯一的区别是在电影评级系统中,评级固定在 1-5 的范围内,在我的例子中,重试的范围是 1-x(x 可能高达 30)
虽然理论上有人可以重试 30 次以上,但现在我可以先将上限固定在 30 次,然后在我有更多数据后进行调整。
谢谢。
最佳答案
我认为它可能会起作用,但我会首先将 log 应用于尝试次数(您不能执行 log(0),因此重试将不起作用)。如果有人觉得某个关卡简单,他们会尝试一两次,而觉得难的人通常不得不一遍又一遍地尝试。 1 次与 2 次之间的差异远大于 20 次与 21 次之间的差异。这将消除对 goes 值的数量设置任意限制的需要。
关于python - 使用 SlopeOne 算法预测玩家是否可以完成游戏中的关卡?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4273169/