如何评估没有明确正确或错误答案的 ML 模型 [关闭]

Question

我想构建一个基于 ML 的算法，通过以最佳方式射门，帮助训练守门员。

考虑之前踢的方向和速度的数据集，以及守门员是否阻止了他们。现在算法需要决定如何踢下一轮。问题是我们没有“正确”的输出。即使作为一个人，我也说不出什么是最好的选择。

我可以使用特定的方法，例如尝试保持守门员成功率不变，或者每次成功增加难度，失败则降低难度（tcp 风格）。

在这两种方法中，我都有少量已知参数，ML 算法需要为每个玩家找到。

但我正在寻找更广泛的东西，没有任何预先确定的方法，也没有大量的数据。 （我需要自己收集数据） 怎么做到呢？

在互联网上搜索后，我没有找到任何关于我的案例的好的答案，尽管这不是一个非常独特的案例。类似的问题可以被问到为用户匹配下一首歌曲或要求计算机绘制一些东西。如果算法给出了良好的输出，那么在所有这些中都没有明确的正确答案。

这是一种已知类型的人工智能吗？

Answer 1

训练n 的百分比射门守门员盖帽，但让你的健身偏离challenging_but_not_discouraging_pct。换句话说，如果你希望守门员能封堵 75% 的射门，那么就训练一个基于在十几次射门中实现该百分比的系统。