Machine learning 为什么模型不能学习这个填充整数的游戏
我的问题:为什么我的模型没有学会玩这个游戏,从一个部分填充的数组生成一个从1到5的唯一元素数组 === 我正在尝试培训一名模型来执行此任务: 给定一个由5个元素组成的固定数组,每个元素最多由(1、2、3、4、5)中的一个元素和一个或多个(0)组成,将0替换为适当的值,以便最终数组正好有一个元素(1、2、3、4、5)。 所以,这里是它应该如何发挥:Machine learning 为什么模型不能学习这个填充整数的游戏,machine-learning,scikit-learn,artificial-intelligence,random-forest,Machine Learning,Scikit Learn,Artificial Intelligence,Random Forest,我的问题:为什么我的模型没有学会玩这个游戏,从一个部分填充的数组生成一个从1到5的唯一元素数组 === 我正在尝试培训一名模型来执行此任务: 给定一个由5个元素组成的固定数组,每个元素最多由(1、2、3、4、5)中的一个元素和一个或多个(0)组成,将0替换为适当的值,以便最终数组正好有一个元素(1、2、3、4、5)。 所以,这里是它应该如何发挥: [1,2,3,4,0]=>[1,2,3,4,5] [4,3,0,5,1]=>[4,3,2,5,1] [0,3,5,4,0]=>[2,3,5,4,1]
- [1,2,3,4,0]=>[1,2,3,4,5]
- [4,3,0,5,1]=>[4,3,2,5,1]
- [0,3,5,4,0]=>[2,3,5,4,1]或[1,3,5,4,2]
- 生成N个组合配置示例,其中[1,2,3,4,5]元素作为答案,并随机将其中一些元素替换为0
- 例如,一个训练示例是[(0,3,5,4,0),(2,3,5,4,1)]
- 可以有多个相同的输入映射到不同的输出,即[(0,3,5,4,0),(2,3,5,4,1)]和[(0,3,5,4,0),(1,3,5,4,2)]都可以作为两个单独的训练实例出现
- 使用Scikit Learn中的RandomForestClassifier将训练数据集分离10倍、洗牌和训练
- 正确的输出定义为最终配置数组正好有(1、2、3、4、5)中的一个元素。所以(2,4,4,5,1)是无效的
- 为什么模型没有学习到这一点 游戏
- 这是正确的建模方法吗 这个问题
- 数据还不够吗 学习这个任务?但是增加 1000到100000之间的数据不适用 看起来很有帮助
- 在这种受限的情况下,您必须让您的方法了解正在发生的事情。显示一个状态空间。这是简单状态空间AI的一个例子,而不是ML本身——而是任何亚优化,如爬山、模拟退火、ga等
- 看看一般的游戏玩法,这在某种程度上是相似的,但重要的区别是你提供了一套规则
- 看看像神经图灵机这样的东西,这些是试图学习如何操作数据而不是分类/回归的顺序方法
- 在这种受限的情况下,您必须让您的方法了解正在发生的事情。显示一个状态空间。这是简单状态空间AI的一个例子,而不是ML本身——而是任何亚优化,如爬山、模拟退火、ga等
- 看看一般的游戏玩法,这在某种程度上是相似的,但重要的区别是你提供了一套规则
- 看看像神经图灵机这样的东西,这些是试图学习如何操作数据而不是分类/回归的顺序方法