python五子棋算法_BetaMeow----利用机器学习做五子棋AI
BetaMeow的起源
前段时间AlphaGo和李世石广受关注，作为人工智能的脑残粉，看完比赛后激动不已，因为有一定的机器学习的基础，便打算撸一个棋类的AI，但我还算有点自知之明，围棋AI，甚至google打算做得通用AI是做不出的了，所以打算撸一个五子棋的AI。
选取五子棋作为试手项目主要是以下几点原因：
规则简单。为了简单起见，BetaMeow只要有一方练成五子就可以判输赢。
受众多。因为五子棋的规则相对简单，使得其受众远比围棋多，换句话来说，我把BetaMeow做出来了，那么可以测试的人也多。
机器学习的简单介绍
近年机器学习，数据挖掘,人工智能很火，但其实不少人对这些名词其实是一头雾水，我尝试用我自己的语言解释，如果有什么需要完善的地方，欢迎提出。
比如说，有一个模型能够能够根据一个人的社交动态，推断出他是喜欢苹果还是香蕉，那么，我现在想知道某个社交平台上市喜欢苹果的人多，还是喜欢香蕉的人多。显然，我把社交平台的数据扔进模型中跑一遍就可以了，但社交平台数据肯定不是说一两个txt文件这么简单啊。这时就可能涉及网络爬虫(收集数据)，分布式存储(数据量巨大的时候)，过滤无关的数据(数据清洗),修改模型使得符合当前业务场景(花式调参)，跑完数据获得结果后决定采取什么商业措施等。(BI)
机器学习就是负责考虑如何建立模型，而数据挖掘则是负责其他地方，不过一般来说，数据挖掘部分的工作可能会分开几个部门来做。
简言之，机器学习是内功，而数据挖掘则是机器学习的一种用途。而人工智能，就是更广的概念了
五子棋AI
回到正题上，传统的五子棋AI采用的搜索算法，这个方面其实已经很完善，听闻已经出现了无解的结果(玩家无法取胜)。但BetaMeow本质上是我在学习机器学习方面的实战项目，所以我想办法利用机器学习的方面的算法实现。
最后选择决策树算法。通过决策树判断该局的状况，属于对方（玩家）占优还是己方（AI）占优。
什么叫决策树
至于什么叫决策树，有时真的是一图胜千言。
图片来至于http://www.52analysis.com/shujuwajue/2441.html
简单来说，通过一层层的筛选下来，你就能获得相应的结果。
如何构建决策树
关于如何构建决策树，如果需要了解文字说明，可以参考这里,如果需要参考python的代码实现，可以参考下文给出的github地址，这里只给出简单总结。
简单描述
在一个二维集合（可以看成矩阵）中，第二维代表每一个决策的实例，用某种方式（例如信息增益（首先要计算熵））在确定一个最佳分割点（p），然后以该点作为根节点，此时剩下的子集有两种情况，要么作为决策树的结果，要么递归下去创建子树。
选取特征
有句话叫好的数据胜过好的模型，经过这番实践我算是真正认识到这句话的意思。机器学习的算法不是你随便扔一个数据集下去，他都能训练出一个有效的模型。我曾经把整个棋局扔给他它训练，然而并没有什么乱用。几番周折才角色以连子形式作为训练的内容。
举个例子
[1,1,0,1,2]
这个训练集表明，玩家的连子形式已经是1，1，0，1（0表示空位），如果玩家顺利连成了4子，那么AI则彻底出于劣势，因为如果4子是在棋盘中间的话，那么ai只能堵一边，玩家还是可以在另一边连成5子。
所以ai应该下在2号位，阻止其连成4子。
我的代码中有大量如此的数据，用于教会ai决定是及时阻止对方，还是提高自己的连子数。(跑两次不同的决策树)
BetaMeow的未来与本文后话
BetaMeow现在显然是不完善的。
首先是五子棋规则的本身，首先是五子棋棋盘应该15x15，然后无知的我把它弄成了19x19,然后规先后手的规则好像也有不同的规定，但我没有考虑太多这方面，毕竟我的主要目的是机器学习的实践，并非做出一个五子棋游戏。五子棋只是一个载体。
同样是因为我的目的在于算法，所以界面不太美观，甚至在不同分辨率上可能有问题(使用的bootstrap应该问题不大)，所以如果有较为熟悉前端的朋友，欢迎修改修改后Pull Requese给我。
第二点，算法本身也有不完善的地方。
因为目前的方案是遍历棋局，分析各店的形式，可能因为循环的原因，会导致后面的选择覆盖掉前一个选择，从而错过了一些最好的选择。
下一步会是给每一个选择的结果加上权重，从而避免上述问题。
嗯，说了这么多，最后给出这个项目的github地址
my_github
重要的事情再说一遍。
前端真的做得很烂，如果有熟悉前端的朋友帮我修改一下，真的万分感谢。
这个github地址会记录下我学习机器学习和数据挖掘的各种小项目(包括我之前的图片识别的项目)，将会持续更新很长一段时间，如果你对这个有兴趣，欢迎关注和支持。
如果你也有机器学习和数据挖掘等相关的项目，欢迎推荐给我，大家互相学习的同时，我也会在我的项目的README中给出你项目的URL(你也要给出我项目的URL哦，亲)
感谢关注和支持。
文章来源：segmentfault，作者：肥肥的兔子。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至：william.shi#ucloud.cn（邮箱中#请改为@）进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。
后台-系统设置-扩展变量-手机广告位-内容正文底部
python五子棋算法_BetaMeow----利用机器学习做五子棋AI相关推荐
- BetaMeow----利用机器学习做五子棋AI
BetaMeow的起源 前段时间AlphaGo和李世石广受关注,作为人工智能的脑残粉,看完比赛后激动不已,因为有一定的机器学习的基础,便打算撸一个棋类的AI,但我还算有点自知之明,围棋AI,甚至goo ...
- python分类算法报告_Python机器学习(1)——决策树分类算法
1.决策树算法 决策树用树形结构对样本的属性进行分类,是最直观的分类算法,而且也可以用于回归.不过对于一些特殊的逻辑分类会有困难.典型的如异或(XOR)逻辑,决策树并不擅长解决此类问题. 决策树的构建 ...
- python 预测算法_通过机器学习的线性回归算法预测股票走势（用Python实现）
本文转自博客园,作者为hsm_computer 原文链接:https://www.cnblogs.com/JavaArchitect/p/11717998.html在笔者的新书里,将通过股票案例讲述P ...
- python神经网络算法pdf_Python与机器学习实战 决策树、集成学习、支持向量机与神经网络算法详解及编程实现.pdf...
作 者 :何宇健 出版发行 : 北京:电子工业出版社 , 2017.06 ISBN号 :978-7-121-31720-0 页 数 : 315 原书定价 : 69.00 主题词 : 软件工具-程序设计 ...
- python线性回归算法简介_Python机器学习（二）：线性回归算法
机器学习研究的问题分为分类问题和回归问题.分类问题很好理解,而回归问题就是找到一条曲线,可以最大程度地拟合样本特征和样本输出标记之间的关系.当给算法一个输入时,这条曲线可以计算出相应可能的输出.回归算 ...
- 【人工智能】基于蒙特卡洛树搜索和策略价值网络的AI五子棋算法设计
基于蒙特卡洛树搜索和策略价值网络的AI五子棋算法设计 摘要 蒙特卡洛树搜索算法 五子棋博弈的状态价值函数 附1:详细论文说明下载: 附2:实现代码下载(2022.10更新后代码): 摘要 随着人工智能 ...
- 利用机器学习识别细碎图斑实战（2）：技术路线
本节主要讲利用机器学习做细碎图斑识别的技术路线,我们以后将按照这个技术路线完成整个过程. 首先看看整个技术路线图: 整个流程总共分成七个步骤,这七个步骤也是项目分析类任务的标准流程,下面我们简单来解释 ...
- 基于强化学习的五子棋算法设计-python代码完整实现
目录 1 课程设计目的 2 设计任务与要求 3 设计原理 3.1 强化学习 3.2 蒙特卡洛树搜索 4 模型介绍 4.1 模拟 4.2 走子 4.3 神经网络 5 仿真过程与结果 ...
- python数据挖掘课程设计,利用Python进行机器学习和数据挖掘概述
利用Python数据挖掘和机器学习的概述 前言: 本文主要描述了使用Python进行数据挖掘业务的优势并介绍了相关的数据处理工具包pandas和机器学习算法库scikit-learn. 为什么使用py ...
最新文章
- 在人工智能时代，我们更需要理解自己的智能 | 艾伦脑科学研究所所长克里斯托夫·科赫STEP峰会演讲实录
- python实现ks算法_Python实现Dijkstra算法
- TiDB 在知乎万亿量级业务数据下的实践和挑战
- InstantClient安装使用
- 【Linux系统编程】POSIX有名信号量
- 与计算机病毒相关的小故事,我和计算机病毒的故事2000字论文
- 计算机板报设计简单,计算机板报制作
- 软件开发工程师证书有用吗_bim工程师证书有用吗
- bzoj 4401: 块的计数（结论）
- 基于增量更新的协同过滤
- c++ primer 19th 特殊工具与技术
- Docker安装ELK详细步骤(生产试验,适用所有版本)
- python计算等额本金_等额本金还款计算公式
- iDo网站在线设计系统的原理
- js实现-别踩白块儿-类
- 大神论坛 利用活跃变量分析来去掉vmp的大部分垃圾指令
- 深入浅出人脸识别原理
- jQuery 验证码输入错误后自动刷新验证码 点击验证码图片刷新验证码
- Pt100转RS-485，热电阻温度Modbus数据采集模块 WJ125
- 海外服务器延迟,国内用户访问海外服务器延迟高，线路不稳定怎么办