桌上足球结果预测

Question

在我们的办公室，我们经常在下班后享受一些桌上足球或桌上足球。我已经制作了一个小型java程序，可以从可用的播放器中随机生成2vs2阵容，然后将匹配结果存储在数据库中。

结果的当前预测使用来自4名参与球员的所有先前比赛结果的简单平均值。这给出了一个非常粗略的估计，但我想有一些更复杂的来取代它，并考虑到了诸如：

• 玩家可能会好打的攻击者，但糟糕的防守者（反之亦然）
• 玩家做好针对特定的对手/侵害他人坏
• 一些球队很好地协同工作，有的则没有
• 技能随时间而改变

什么是预测的最佳算法游戏结果尽可能准确？

有人建议使用神经网络，这听起来很有趣...但我没有足够的知识来说这个话题是否可行，而且我也怀疑这可能需要太多的游戏才能合理培训。

编辑：
由于一些项目的最后期限，不得不采取更长的休息时间。为了使问题更具体：

给出一个包含所有匹配下的MySQL表至今出场：

table match_result 

match_id  int pk 
match_start datetime 
duration  int (match length in seconds) 
blue_defense int fk to table player 
blue_attack int fk to table player 
red_defense int fk to table player 
red_attack int fk to table player 
score_blue int 
score_red  int 

你会如何编写一个函数predictResult（blueDef，blueAtk，redDef，redAtk）{... }
估计结果尽可能接近，执行任何SQL，做计算或使用外部库？

Answer 1

使用TrueSkill算法，它非常擅长这一点。我已经实现了它为桌上足球和国际象棋，它工作得很好。同事们告诉我，这几乎是太擅长这一点。

有关它如何工作的完整细节以及指向我的实施的链接，请参阅我的“Computing Your Skill”博文。

Answer 2

为什么使用神经网络？使用统计数据，可能每个玩家之间的相关性是很好的衡量标准。

Answer 3

刚刚开始，让我们收集一些信息： 对于一个给定的球员，我们需要：

1. 位置他们打
2. 最终得分

一个好的攻击者将架起来点。 一名优秀的后卫将阻止得分。

真实的信息将来自一名优秀的攻击者对抗一名优秀的防守者。

Answer 4

尝试应用朴素贝叶斯分类器。

贝叶斯学习是一种概率 的做法，是基于一个 假设的 感兴趣的量是通过概率管辖 分布和最佳 决定，可以通过观察推理 这些概率一起 进行数据。 [Mitchell，T. （1997），机器学习]

玩家的相同确切分布可能导致不同的匹配结果。如果你的数据有一个模式，基于你的变量的模式，朴素贝叶斯分类器可能会产生好的结果。

算法不是很复杂。我认为，一个有一定概率的知识，可以理解&适用它。

在入侵检测系统中，通过查看各种网络参数，它被用于确定网络异常情况。贝叶斯方法在特定类型的数据中可能非常成功并且产生较高的低FP率。但它也可能导致高FP率，这取决于您的数据。您的数据将确定最佳方法。

您可以使用Weka（http://www.cs.waikato.ac.nz/~ml/weka/），一个数据挖掘软件库，并尝试不同的算法。它包含朴素贝叶斯分类器。 只需试试看。

Answer 5

一种选择是尝试猜测点分布为some sort of linear model。如果你的球员数量多于你的球员，可以通过构建一个游戏矩阵（对于一个球队的球员为+1，对另一个球员为-1，对于观众为0）对所有比赛进行最小二乘拟合价差的传染媒介。