使用 Weka 玩游戏答案

【问题标题】：Using Weka for Game Playing使用 Weka 玩游戏
【发布时间】：2011-07-12 04:58:21
【问题描述】：

我正在做一个项目，我让神经网络（或其他算法）在扑克中互相玩。在每次输赢之后，我希望神经网络（或其他算法）根据损失的误差进行更新（这里如何计算并不重要）。

Weka 非常好，我不想重新发明轮子。然而，Weka 的 API 似乎主要设计用于从数据集进行训练。玩游戏不使用数据集。相反，网络播放，然后我希望它根据其损失进行自我更新。

是否可以使用 Weka API 在一个实例上更新网络而不是数据集，然后一遍又一遍地执行此操作？我在想这个对吗？

我还想实现的另一个想法是使用遗传算法来更新神经网络中的权重，而不是反向传播算法。据我所知，没有办法在 Weka 中手动指定神经网络的权重。当然，如果为此目的使用遗传算法，这一点至关重要。

请帮忙 :) 谢谢。

【问题讨论】：

【解决方案1】：

据我所知，Weka 不进行在线学习（这是您要问的）。

对您的游戏使用competitive analysis 进行调查可能会更好。

【讨论】：

【解决方案2】：

您可能不得不在这里重新发明轮子。我不认为这是浪费时间。

我目前正在实现一个非常简单的学习分类器系统。我还建议研究这些算法。网上有一个实现，但我还是更喜欢自己写代码。

【讨论】：

【解决方案3】：

通常，weka 学习算法是批量学习算法。你需要的是增量分类器。

大多数分类器需要先查看所有数据才能进行训练，例如 J48 或 SMO。但也有一些方案可以增量方式进行训练，而不仅仅是批处理模式。所有实现 weka.classifiers.UpdateableClassifier 接口的分类器都能够以这种方式处理数据。

参见UpdateableClassifier 分类器实现它的接口。

你也可以看看MOA Massive Online Analysis工具，它与weka密切相关，由于在线学习的限制，它的所有分类器都是增量的。

【讨论】：