machine-learning - 使用Weka玩游戏

Question

我正在做一个项目，其中我有神经网络(或其他算法)在扑克中互相玩。每次获胜或失败后，我希望神经网络(或其他算法)根据损失的错误进行更新(如何计算在这里并不重要)。

Weka 非常好，我不想重新发明轮子。然而，Weka 的 API 似乎主要是为了从数据集进行训练而设计的。玩游戏不使用数据集。相反，网络开始播放，然后我希望它根据丢失情况进行 self 更新。

是否可以使用 Weka API 来更新网络而不是数据集，但在一个实例上并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，Weka 中没有办法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。

Answer 1

通常weka学习算法是批量学习算法。您需要的是增量分类器。

来自weka docs

Most classifiers need to see all the data before they can be trained, e.g., J48 or SMO. But there are also schemes that can be trained in an incremental fashion, not just in batch mode. All classifiers implementing the weka.classifiers.UpdateableClassifier interface are able to process data in such a way.

参见UpdateableClassifier分类器实现它的接口(interface)。

您也可以看看MOA Massive Online Analysis与weka密切相关的工具，由于在线学习的限制，其所有分类器都是增量的。