Machine learning 监督学习线性回归

我对线性回归在监督学习中的作用感到困惑。现在我想使用线性回归为棋盘游戏生成一个评估函数，所以我需要输入数据和输出数据。输入数据是我的电路板条件，我需要这个条件对应的值，对吗？但是我怎样才能得到这个期望值呢？我需要自己先写一个评估函数吗？但我认为我需要使用线性回归生成一个评价函数，所以我对此有点困惑。

毕竟这是监督学习，意思是：你需要输入和输出

现在的问题是：如何获得这些？这不是小事

候选人包括：

• 历史数据（如在线播放历史）
• 某种形式或自我游戏/强化学习（更复杂）

但随后出现了一个新问题：哪种输出可用，您将使用哪种输入

如果有某种先验实现的人工智能，你可以只取这个人工智能的分数。但以历史数据为例，你只得到了-1,0,1（A赢，平局，B赢），这使得学习更加困难（这涉及到学分分配问题：可能有一场比赛让某人输了；很难理解30个动作中的哪一个会导致1的结果）。这也与输入有关。以国际象棋为例，从一些在线游戏中随机选择一个位置：这个位置可能在1000多万个游戏中是唯一的（或者至少不经常发生），这与您的方法的预期性能相冲突。我在这里假设，输入是全板位置。对于其他输入，例如国际象棋材料，这会发生变化，其中输入只是一个棋子直方图（其中3个，其中2个）。现在，独特的输入要少得多，学习将更容易

长话短说：这是一项复杂的任务，有许多不同的方法，其中大部分都与您的确切任务有关！在强化学习方法中，线性评估函数并不罕见。您可能想阅读一些关于这些函数的文献（该函数是一个核心组件：例如查表与线性回归与神经网络，以近似值或策略函数）

我可以补充一点，你的任务表明了人工智能的自学方法，这是一个非常困难的话题，在过去几年中，这个话题在某种程度上获得了额外的普及（以前有过成功：参见双陆棋人工智能）。但所有这些方法都非常复杂，因此，对RL和马尔可夫决策过程等数学基础的良好理解非常重要

对于更经典的基于手工评估函数的AIs，许多人使用额外的回归器来调整/加权已经实现的组件。一些概述。（上面的国际象棋材料示例可能是一个很好的例子：假设是：多棋子比少棋子好；但很难给出它们的值）