machine-learning - 机器学习: How to learn MTG draft card game

Question

我已经熟悉了许多不同的机器学习方法，但我无法确定哪种方法最适合我给定的有趣问题。 (即:这是一个监督学习问题吗？如果是，我的输入 x 和输出 y 是什么？)

魔法收集草稿由许多 Actor 围坐在一张 table 旁，手里拿着一包 15 张卡片。玩家挑选一张牌并将剩余的牌传递给旁边的玩家。他们打开一个新包，然后再次进行 3 轮(45 个决策)。人们最终会得到一套用于竞争的牌组。

我无法理解如何将我拥有的数据构建为学习所需的试验。我想要一个解决方案，1) 建立关于相对于之前选择的卡牌选择了哪些卡牌的知识 2) 然后可以用来决定从给定的新包中选择哪张卡牌。

我有一个人类选择的数据集，我想从中学习。它还包括他们最终拿起但最终丢弃的卡片的信息。什么可能是一种优雅的方式来构建这些学习数据，也就是我的特征是什么？

Answer 1

此类问题通常通过强化学习、规划和马尔可夫决策过程来解决。因此，这不是监督/无监督学习的典型方案。这更像是学习玩一些东西——与环境互动(游戏规则、机会等)。看看这样的方法:

• Q-学习
• SARS
• UCT

特别是，Sutton 和 Barto 的伟大著作《强化学习:简介》可能是一个很好的起点。