machine-learning - 训练神经网络来预测纸牌游戏的获胜者

Question

在纸牌游戏中，有 2 名玩家，每人发 5 张牌(标准 52 张牌)，之后通过某个任意函数决定获胜玩家。目标是根据每位玩家持有的 5 张牌来预测游戏结果。训练数据可能如下所示:

Player A      Player B      Winner

AsKs5d3h2d    JcJd8d7h6s    1
7h5d8s9sTh    2c3c4cAhAs    0
6d6s6h6cQd    AsKsQsJsTs    0

其中“玩家”列是 5 张牌，当玩家 A 获胜时，“获胜者”列为 1，当玩家 A 输时，“Winner”列为 0。

对手的顺序应该漠不关心，这样在训练之后，向网络提供镜像输入数据，例如:

Player A      Player B

2d3d6h7s9s    TsTdJsQc3h

和

Player A      Player B

TsTdJsQc3h    2d3d6h7s9s

总是预测相反的结果。

它也应该与手中牌本身的顺序无关，例如 AsKsQsJsTs 与 JsTsAsKsQs 相同，而 JsTsAsKsQs 与 相同JsQsTsAsKs 等

构建神经网络及其训练数据来解决此类问题有哪些合理的方法？

Answer 1

您将需要一个具有 104 个输入的网络(玩家 * 卡牌数量) 前 52 个输入对应于玩家 A，接下来的 52 个输入对应于玩家 B。 将所有输入初始化为 0，然后对于每个玩家拥有的每张卡，将相应的输入设置为 1。

对于输出层，通常有两种二元分类选项。你可以有一个输出神经元，如果该神经元的输出大于某一阈值，则玩家 A 获胜，否则玩家 B 获胜。或者你可以有两个输出神经元，然后看看哪一个产生最高的输出。两者通常都能正常工作。

对于训练数据，您需要一种单热编码，而不是“AsKs5d3h2d”之类的内容，例如“0001000001000000100100000100000000011001000000001001”(假设有104个数字，其中10个是1，其余的是0)并用于输出你只需要一个 1 或 0 对应谁获胜的数据(在有一个输出神经元的情况下)

这将使您的网络对牌的顺序保持不变(给定手牌的所有可能顺序将创建相同的输入)并且至于交换玩家 A 和 B 的手并获得相反的结果，这是应该发生的事情自然地适合任何训练有素的网络。