机器学习在象棋教学软件中的应用

Question

这可能属于国际象棋SE社区，但我从编程的角度看待这个问题，而不是从教学甚至国际象棋的角度。

我知道有几个研究和尝试创建国际象棋引擎，这些引擎使用机器学习的某些变体来play国际象棋(其中大多数是在本课题中研究的，而不是试图超越比其他方法要好得多的蛮力方法)，但很少有人尝试将机器学习应用到象棋教学中。

国际象棋教练/导师的主要原因之一是导师提供的个性化关注和指导。那么，是否有可能创建一个国际象棋程序，利用机器学习，根据用户的优势和弱点为用户提供个性化的“课程”？

课程不一定很复杂，甚至可以从数据库中生成相关的位置，并要求用户“解决”这些问题，然后给出一行或变体来响应一个答案(正确或不正确)是大量的指导(因为，即使没有解释，这些变化也往往足够)。

主要问题是：

1. 软件如何能够衡量用户的技能水平？(这就是ML算法必须要用到的地方)
2. 软件如何确定测试位置的难度或“合适性”？例如，假设软件确定用户对战术位置有困难(大多数业余玩家有一个问题)，程序如何从其游戏数据库中选择战术难度较大的位置？
3. 最后，软件将如何更好地适应用户的改进？

如果这个问题是抽象的还是理论的，我很抱歉，如果是的话，我会把它移到别处去。

谢谢

Answer 1

我首先让象棋程序将统计信息转储到CSV或JSON文件中，显示：

1. 哪些碎片被移动，以及被移动的频率
2. 有多少个动作，直到一个人被处死
3. 在哪一段时间里有多少场比赛。
4. 随着时间的推移，捕捉到了多少碎片。等

在选择数据、兴趣点或将用于训练ML算法的特性方面，您有很大的灵活性。一旦您将这些数据点和一个可供您的算法使用的数据文件放在一起，您就可以开始对其进行训练，并查看您得到的预测结果。然后，需要调整你的实验，直到你得到的结果确实是有用的。

下面是一个基于Python的随机Forrest算法和教程，让您开始工作：

from sklearn.ensemble import RandomForestClassifier
from numpy import genfromtxt, savetxt

def main():
    #create the training & test sets, skipping the header row with [1:]
    dataset = genfromtxt(open('Data/train.csv','r'), delimiter=',', dtype='f8')[1:]    
    target = [x[0] for x in dataset]
    train = [x[1:] for x in dataset]
    test = genfromtxt(open('Data/test.csv','r'), delimiter=',', dtype='f8')[1:]

    #create and train the random forest
    #multi-core CPUs can use: rf = RandomForestClassifier(n_estimators=100, n_jobs=2)
    rf = RandomForestClassifier(n_estimators=100)
    rf.fit(train, target)

    savetxt('Data/submission2.csv', rf.predict(test), delimiter=',', fmt='%f')

if __name__=="__main__"

当你开始的时候，这可能会很有趣。让程序开始预测玩家的弱点将取决于你选择收集什么数据。

祝好运。