인공 지능/추론 문제

Question

대회에서 20 명의 선수가 있습니다. 토너먼트의 규칙에 따라 각 플레이어는 모든 다른 플레이어를 두 번씩 플레이합니다 (A 대 B, B 대 A, A 대 C 대 .. 등). 20 명의 선수와 총 380 경기가있을 것입니다.

각 경기에서 3 개의 가능한 결과 - 플레이어 1 승리, 2 승리 또는 무승부가 있습니다. 각각의 경기를 앞두고 발생하는 각 결과의 확률을 나타내는 베팅 교환이 있습니다. 그래서 당신은 40 %의 플레이어 1 승, 30 %의 플레이어 2 승, 30 %의 무승부 [확률은 100 %로 계산됩니다]; 나는 매치마다 앞서이 확률을 저장한다.

토너먼트를 통해 4 분의 1로 빠른 전진. 나는 95 게임에 대한 확률을 모았고, 여전히 285 게임이 남아있다. 내가 알고 싶은 것은 -

95 게임의 확률 데이터를 사용하여 나머지 285의 확률을 예측할 수 있습니까?

예를 들어 A와 B, B를 C로 알고 있다면 A와 C를 유추 할 수 있습니까?

만약 그렇다면 어떻게해야합니까?

Answer 1

게임에 따라 게임 결과를 예측할 수도 있고 예측하지 못할 수도 있습니다. 당신이보고있는 것이 여전히 활발한 연구 분야라고 믿습니다. 그러나 거기에는 합리적인 해결책이 있습니다. 기본적으로 상위 순위의 플레이어가 일반적으로 하위 순위의 플레이어를 이길 수 있도록 플레이어의 순위를 매길 수 있기를 바랍니다. 다른 모델이 약간 수정했습니다 (예 : 승률은 순위 차이의 함수가된다.

하나의 방법은 시뮬레이션 된 어닐링을 사용하여 이러한 순위를 찾는 것입니다. 플레이어의 순위에 따라 게임 결과에 대한 몇 가지 함수를 선택하고 주어진 순위 할당의 적합성이 선택한 순위에 따라 관찰 된 결과의 확률이되도록하십시오. 시뮬레이션 어닐링에 따라 다른 순위로 반복합니다.

Answer 2

... 내 좋은 친구 베이 즈에 당신을 소개하자 http://en.wikipedia.org/wiki/Bayesian_inference

편집 : 1 부) 베이 즈는 비 독립적 인 시험을 위해 작동합니다. 한 게임에서 우승하면 어떻게해서 다음 우승 확률이 높아지면 계속 진행할 수 있습니다! 그렇지 않으면 전혀 도움이되지 않습니다.

편집 : 파트 2) 관계없이 기본은 다음 베이 즈 공식입니다. 판독

P(A|B) = P(B|A) P(A) 
     ----------- 
      P(B) 

은 "A B 주어진 확률은 PROB 같다. 모든 PROB 위에 배의 확률값을 부여 나. B의". 이를 설명하기 위해 3 문 문제가있는 자동차 세일즈맨이 종종 주어집니다.

3 개의 문과 1 개의 문 뒤가 있습니다. 신차가 있습니다. 다른 두 개의 문은 전혀 없습니다. 주인은 문을 골라달라고합니다. 문 'A', 'B'및 'C'가 있음을 기억하십시오. 따라서 1/3 확률이 정확합니다.

호스트는 관대 한 사람이어서 다른 문 중 하나를 엽니 다. 이제 그는 에게 동일한 문을 으로 고정하거나 다른 문을 열기로 선택할 수 있습니다 ( ).

나는 Stackoverflow 답장에서 이것을 설명하는 것이 영원히 걸릴 것이고 단지 그것을 봤다고 생각했다. 이것은 Monty Hall 문제입니다 : http://en.wikipedia.org/wiki/Monty_Hall_problem. Bayes 섹션의 경우 http://en.wikipedia.org/wiki/Monty_Hall_problem#Bayesian_analysis

편집 : 파트 3) 당신은 조회 할 수 있습니다 '베이지안 네트워크'당신이 접근의이 종류가 있지만, 훨씬 더 웅대 한 계획)

Answer 3

에 (작업 할 수 결정하는 경우에 당신은 아마 반을 만들 수 있습니다 대부분의 게임에 대한 예상. 예를 들어, 체스 선수 A, B, C가 있는데, A가 B와 B에서 B를 뛰는 경우 A가 C를 이길 것입니다. 그러나, 그것이 전혀 작동하지 않을 경우도 있습니다.간단한 반례를하기 위해 바위 종이 가위 경연 대회에서 A가 항상 바위를 선택하고 B가 가위를 고르고 C가 종이를 골라 준다면 분명히 같은 유형의 상관 관계를 얻지 못할 것입니다.

가장 좋은 방법은 가능한 경우 작은 하위 집합으로 문제를 테스트하는 것입니다. 일부를 찾을 수 있으면 기존 데이터를 사용하는 것이 가장 좋습니다. 케이스의 1/4을 읽고, 그 세트를 기반으로 예측을하고 예측이 얼마나 잘되는지보십시오.