我已經熟悉了很多種機器學習方法,但是我很難識別哪種方法可能最適合我給定的有趣問題。 (IE:這是一個監督學習問題,如果是這樣,我的輸入x和輸出y是什麼?)機器學習:如何學習MTG草稿紙牌遊戲
一個神奇的收集草案包括許多演員圍坐在一張桌子上,拿着一包15張牌。玩家挑選一張牌並將剩餘的牌交給旁邊的玩家。他們打開一個新的包,然後再做3輪(45個決定)。人們最終得到了一張他們用來競爭的套牌。
我很難理解如何構建我所需要的數據進行學習。我想要一個解決方案,1)建立關於挑選哪張牌相對於先前選出的牌的知識2)然後可以用來決定從給定的新包選擇哪張牌。
我有一個人類選擇的數據集我想學習。它還包括他們最終選擇但最終放棄的卡片的信息。什麼可能是一個優雅的方式來構造這些數據進行學習,或者,我的功能是什麼?
我認爲機器學習通常需要一個「健身」來做出確定性的選擇。在卡片被相對彼此挑選的情況下,您需要給卡片某種比例重量(例如,如果您在某組中選擇一張藍色卡片,它可能會在黑色或紅色中有更強的補充,但不是綠色或白色) 。總體健身可以加強一切,並且可以通過實際發揮選項並賦予45張牌的凝聚力來找到(但是那時你必須考慮40張牌的最低甲板和資源平衡(土地))。 R cards/Power –
在我看來,一個適當的學習算法將能夠解釋所有這些。我在這裏需要的唯一健身(我認爲...)是以前人們的選擇,它們被認爲是合適的。 –