【问题标题】:Which classifier should I use for game automation? [closed]我应该使用哪个分类器进行游戏自动化? [关闭]
【发布时间】:2017-04-08 02:35:02
【问题描述】:

我想我必须从这个列表中选择一个:

http://scikit-learn.org/stable/modules/scaling_strategies.html

因为我需要渐进式学习。

我正在尝试通过机器学习来学习如何玩简单的 NES 游戏。我要教机器一些游戏中的基本数据,例如玩家 x & y、敌人 x & y、点数等。

根据上面提到的数据,机器应该预测按下哪个按钮。

那么你为这样的项目推荐什么分类器?

【问题讨论】:

  • 首先,我不建议将玩游戏视为监督学习问题。这是强化学习的纯粹示例。

标签: machine-learning scikit-learn


【解决方案1】:

这里,让我为你做一个浏览器搜索:

机器学习训练计算机玩电子游戏

first hit

总而言之,这不是一个通过从菜单中选择分类器就能很好解决的问题。现在,这篇文章是极限学习:模型仅从屏幕图像(像素数组)训练。如果您提取游戏抽象(识别屏幕上的对象),您将有一个更快的训练周期。然而,问题仍然是,要玩一个视觉游戏很好,您可能需要本研究论文中概述的学习策略:基于时间的输入和延迟的奖励识别。

这意味着您的机器学习会从特定操作后获得的分数、生命或游戏时间获得反馈。例如,在 Pong 中,您可能会进行 2 次击球组合:一次将对手的球拍拉出位置,第二次将球从对面的角落打过去。只有在对手第二次防守失败后,你才能得分。

这不是一个小问题要做好。

【讨论】:

  • 确实可以推荐一个分类器吗?
  • 没有问题定义。您需要集中解决问题或自行开发答案所需的大部分信息都在我给您的搜索中。我链接的文章中概述了困难的解决方案。
  • @unska Prune 的正确答案是“这比你想象的要难”。但我最近偶然发现了一个Torch project,它使用 Google Deep Mind 代码来学习 Pong。通过阅读他们的代码,您也许可以找到一些有用的想法。
  • 对;这就是为什么我特别提到了 Pong,以及关于更高知名度的 BrickOut 解决方案的论文。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2011-04-02
  • 2011-03-13
  • 1970-01-01
  • 1970-01-01
  • 2011-01-26
  • 2012-03-01
相关资源
最近更新 更多