人工智能/推理问题

Question

假设我有20个球员叫A。在比赛中。比赛规则规定，每一名选手对其他球员进行两次比赛:A对B，B对A，A对C。有20名球员，总共将有380场比赛。

在每一场比赛中，有三种可能的结果--1胜、2胜或平局。有一个博彩交换，在每一场比赛之前，引用每个结果发生的概率；所以你可能有40%的玩家1胜，30%的玩家2胜，30%的平局概率之和为100%；我在每一场比赛之前存储这些概率。

在比赛中快速前进四分之一。我已经收集了95场比赛的概率，还有285场比赛。我想知道的是-

95场比赛的概率数据能用来预测其余285场的概率吗？

例如，如果我知道A比B和B对C，我能用它们来推断A对C吗？

如果是的话，我该怎么做呢？

Answer 1

你可能能够或可能无法预测游戏的结果，这取决于游戏。我相信你所看到的仍然是一个积极的研究领域，但有合理的解决办法。基本上，你希望你能对玩家进行排名，这样一个级别较高的球员通常会击败一个级别较低的球员。不同的模型对此做了一些调整，例如，获胜的概率是等级差异的函数。

一种方法是利用模拟退火来寻找这些等级。将游戏结果的某些函数作为玩家等级的函数，并让给定的等级分配的适应度为给定等级的观察结果的概率。重复不同的等级，按照模拟退火。

Answer 2

让我把你介绍给我的好朋友贝斯..。http://en.wikipedia.org/wiki/Bayesian_inference

编辑:第一部分: Bayes只适用于非独立试验。如果赢了一场比赛会增加你赢下一局的几率，你就可以继续下去了！否则，这一点也没有多大帮助。

编辑:第2部分)无论如何，基础是下面的Bayes公式。

P(A|B) = P(B|A) P(A)
         -----------
             P(B)

它是这样写的：“A给定B的概率等于Prob. B给定A的A乘以B的所有Prob.”。为了说明这一点，经常给出三门问题的汽车推销员。

，你有3扇门，在一扇门后面有一辆崭新的汽车。另外两扇门什么都没有。然后主人让你选一扇门。记住，有门'A'，'B‘和'C’。因此，你有1/3的概率是正确的。

主人，作为一个慷慨的人，打开了另一扇门。他现在给你一个选择，要么坚持同一扇门，要么打开另一扇门。

我意识到，在Stackoverflow回复中解释这个问题需要花费很长时间，所以只需在googled上搜索即可。这是Monty问题：http://en.wikipedia.org/wiki/Monty_Hall_problem。贝斯区的http://en.wikipedia.org/wiki/Monty_Hall_problem#Bayesian_analysis。

编辑:第3部分)如果您认为这种方法可以工作(但是在更大的方案上)，您可能需要查找‘贝叶斯网络’。

Answer 3

你可能会在大多数比赛中做出一些半正派的预测。例如，如果你有棋手A，B和C，其中A击败B和B击败C，A可能也会击败C。然而，在某些情况下，这是完全行不通的。举个简单的反例，如果这是一个石头剪刀比赛，而A总是挑石头，B选剪刀，C选纸，很明显你不会得到相同类型的关联。

你最好的选择是，如果你有能力的话，用一个小的子集来测试，如果你能找到的话，也许可以使用一些预先存在的数据。阅读1/4的案例，在此基础上做出预测，看看预测结果如何。