machine-learning - 玩检查时权重更新和估计训练示例值

Question

我正在阅读 Tom Mitchell 的机器学习书，第一章。

我想做的是编写一个程序来与自己下跳棋，并学会最后获胜。我的问题是关于它遇到的非终端板位置的信用分配。也许我们可以使用其特征和随机权重的线性组合来设置值，如何用LMS规则更新它？因为除了结束状态之外我们没有训练样本。

尽管我尝试过，但我不确定我是否清楚地表达了我的问题。

Answer 1

我还没有读过那本书，但我的方法如下。假设白方获胜。然后，白棋经过的每个位置都应该获得正积分，而黑棋经过的每个位置都应该获得负积分。如果你重复这个推理，每当你有一组 Action 组成一个游戏时，你应该为胜利者的所有位置添加一些分数，并从失败者的所有位置中删除一些分数。你这样做是为了一堆电脑对电脑游戏。

您现在拥有一个由一堆棋子位置和各自分数组成的数据集。您现在可以计算这些位置的特征并训练您最喜欢的回归器，例如 LMS。

这种方法的改进是训练回归器，然后进行更多游戏，其中每个 Action 都是根据该 Action 的预测得分随机抽取的(即导致得分较高的位置的 Action 具有较高的概率)。然后更新这些分数并重新训练回归器等。