एआई/अनुमान समस्या

Question

मान लें कि मेरे पास टूर्नामेंट में 20 खिलाड़ी हैं [नाम ए .. टी]। टूर्नामेंट के नियम बताते हैं कि प्रत्येक खिलाड़ी हर दूसरे खिलाड़ी को दो बार खेलता है [ए बनाम बी, बी बनाम ए, ए बनाम सी .. आदि]। 20 खिलाड़ियों के साथ, कुल 380 मैच होंगे।

प्रत्येक मैच में, तीन संभावित परिणाम हैं - खिलाड़ी 1 जीत, खिलाड़ी 2 जीत, या ड्रा। एक सट्टेबाजी विनिमय है जो, प्रत्येक मैच से पहले, प्रत्येक परिणाम की संभावनाओं को उद्धृत करता है; तो आपके पास 40% खिलाड़ी 1 जीत, 30% खिलाड़ी 2 जीत, 30% ड्रा [संभाव्यता 100% तक हो सकती है]; मैं प्रत्येक मैच से पहले इन संभावनाओं को स्टोर करता हूं।

टूर्नामेंट के माध्यम से रास्ते की एक चौथाई फास्ट फॉरवर्ड। मैंने अभी भी 285 के साथ 95 गेम के लिए संभावनाएं एकत्र की हैं। मैं क्या जानना चाहता हूं -

शेष 285 के लिए संभावनाओं की भविष्यवाणी करने के लिए 95 गेमों की संभावना डेटा का उपयोग किया जा सकता है?

उदाहरण के लिए, यदि मुझे ए बनाम बी और बी बनाम सी पता है, तो क्या मैं उन्हें ए बनाम सी का अनुमान लगाने के लिए उपयोग कर सकता हूं?

और यदि हां, तो मैं इसे कैसे कर सकता हूं?

Answer 1

आप गेम के आधार पर गेम परिणामों की भविष्यवाणी करने में सक्षम हो सकते हैं या नहीं भी कर सकते हैं। मेरा मानना ​​है कि आप जो भी देख रहे हैं वह अभी भी एक सक्रिय शोध क्षेत्र है, लेकिन वहां उचित समाधान हैं। असल में आप उम्मीद कर रहे हैं कि आप खिलाड़ियों को रैंक कर सकते हैं, जैसे कि उच्च रैंक का खिलाड़ी आम तौर पर निचले रैंक के खिलाड़ी को हरा देगा। विभिन्न मॉडल इसे थोड़ा सा झुकाते हैं, उदा। रैंक में अंतर के एक समारोह होने के जीतने की संभावना के साथ।

एक दृष्टिकोण इन रैंकों को खोजने के लिए नकली एनीलिंग का उपयोग करना है। खिलाड़ियों के रैंक के एक समारोह के रूप में खेल के परिणाम के लिए कुछ फ़ंक्शन चुनें, और किसी दिए गए रैंक असाइनमेंट की फिटनेस को चयनित रैंक दिए गए परिणाम के संभावित होने की संभावना हो। अनुरूपित एनीलिंग के अनुसार, अलग-अलग रैंकों के साथ दोहराएं।

Answer 2

मुझे मेरी अच्छी दोस्त Bayes को लागू ... http://en.wikipedia.org/wiki/Bayesian_inference

संपादित करें: भाग 1) Bayes केवल गैर-स्वतंत्र प्रयासों के लिए काम करेंगे। यदि एक गेम जीतना किसी भी तरह से जीतने की आपकी संभावना को बढ़ाता है, तो आप आगे बढ़ सकते हैं! अन्यथा यह बिल्कुल उपयोगी नहीं है।

संपादित करें: भाग 2) भले ही आधार निम्नलिखित बेयस फॉर्मूला है।

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

कौन पढ़ रहा है, "एक दिया बी की संभावना समस्या के बराबर है। सब समस्या पर एक बार एक की समस्या को देखते हुए बी। बी के"। इसे स्पष्ट करने के लिए, 3 दरवाजे की समस्या वाले कार विक्रेता को अक्सर दिया जाता है।

आपके पास 3 दरवाजे हैं और एक दरवाजे के पीछे एक नई कार है। अन्य दो दरवाजे बिल्कुल कुछ भी नहीं है। मेजबान तब आपको एक दरवाजा लेने के लिए कहता है। याद रखें, दरवाजा 'ए', 'बी' और 'सी' है। इसलिए, आपके पास 1/3 सही होने की संभावना है।

मेजबान, उदार लड़का होने वाला मेजबान अन्य दरवाजे में से एक खोलता है। अब वह देता है या तो आप के साथ एक ही दरवाजे चिपके हुए या अन्य दरवाजे खोलने का विकल्प देते हैं।

मुझे एहसास हुआ कि एक स्टैक ओवरफ्लो उत्तर में इसे समझाएगा हमेशा इसे ले जाएगा और बस इसे गुगल करेगा। यह मोंटी हॉल समस्या है: http://en.wikipedia.org/wiki/Monty_Hall_problem। Bayes अनुभाग के लिए http://en.wikipedia.org/wiki/Monty_Hall_problem#Bayesian_analysis।

संपादित करें: भाग 3) आप को देखने के लिए चाहते हो सकता है 'बायेसियन नेटवर्क' यदि आप यह तय दृष्टिकोण की इस तरह काम कर सकते हैं (लेकिन एक बहुत शानदार योजना)

Answer 3

पर तुम शायद कुछ अर्ध बनाने के लिए सक्षम हो जाएगा अधिकांश खेलों के लिए पूर्व भविष्यवाणियां। उदाहरण के लिए, यदि आपके पास शतरंज खिलाड़ी ए, बी, और सी है, जहां ए बीट्स बी और बी बीट्स सी है, तो ए शायद सी को भी हरा देगा। हालांकि, कुछ ऐसे मामले हैं जहां यह बिल्कुल काम नहीं करेगा।एक साधारण काउंटररेक्स नमूना देने के लिए, यदि यह एक रॉक-पेपर-कैंची प्रतियोगिता है, और ए हमेशा चट्टान उठाता है, बी कैंची चुनता है, और सी पेक्स पेपर, जाहिर है कि आपको एक ही प्रकार का सहसंबंध नहीं मिल रहा है।

यदि आप सक्षम हैं, तो संभवतया कुछ पूर्ववर्ती डेटा का उपयोग करके यदि आप कुछ पा सकते हैं तो आपकी सबसे अच्छी शर्त चीजों का परीक्षण करना है। मामलों में से 1/4 में पढ़ें, उस सेट के आधार पर अपनी भविष्यवाणियां करें, और देखें कि भविष्यवाणियां कितनी अच्छी तरह से काम करती हैं।