BetaMeow----利用機器學習作五子棋AI

BetaMeow的起源

前段時間AlphaGo和李世石廣受關注，做爲人工智能的腦殘粉，看完比賽後激動不已，由於有必定的機器學習的基礎，便打算擼一個棋類的AI，但我還算有點自知之明，圍棋AI，甚至google打算作得通用AI是作不出的了，因此打算擼一個五子棋的AI。

選取五子棋做爲試手項目主要是如下幾點緣由：

• 規則簡單。爲了簡單起見，BetaMeow只要有一方練成五子就能夠判輸贏。

• 受衆多。由於五子棋的規則相對簡單，使得其受衆遠比圍棋多，換句話來講，我把BetaMeow作出來了，那麼能夠測試的人也多。

機器學習的簡單介紹

近年機器學習，數據挖掘,人工智能很火，但其實很多人對這些名詞實際上是一頭霧水，我嘗試用我本身的語言解釋，若是有什麼須要完善的地方，歡迎提出。

好比說，有一個模型可以可以根據一我的的社交動態，推斷出他是喜歡蘋果仍是香蕉，那麼，我如今想知道某個社交平臺上市喜歡蘋果的人多，仍是喜歡香蕉的人多。顯然，我把社交平臺的數據扔進模型中跑一遍就能夠了，但社交平臺數據確定不是說一兩個txt文件這麼簡單啊。這時就可能涉及網絡爬蟲(收集數據)，分佈式存儲(數據量巨大的時候)，過濾無關的數據(數據清洗),修改模型使得符合當前業務場景(花式調參)，跑完數據得到結果後決定採起什麼商業措施等。(BI)

機器學習就是負責考慮如何創建模型，而數據挖掘則是負責其餘地方，不過通常來講，數據挖掘部分的工做可能會分開幾個部門來作。

簡言之，機器學習是內功，而數據挖掘則是機器學習的一種用途。而人工智能，就是更廣的概念了

五子棋AI

回到正題上，傳統的五子棋AI採用的搜索算法，這個方面其實已經很完善，聽聞已經出現了無解的結果(玩家沒法取勝)。但BetaMeow本質上是我在學習機器學習方面的實戰項目，因此我想辦法利用機器學習的方面的算法實現。

最後選擇決策樹算法。經過決策樹判斷該局的情況，屬於對方（玩家）佔優仍是己方（AI）佔優。

什麼叫決策樹

至於什麼叫決策樹，有時真的是一圖勝千言。

圖片來至於http://www.52analysis.com/shujuwajue/2441.html

簡單來講，經過一層層的篩選下來，你就能得到相應的結果。

如何構建決策樹

關於如何構建決策樹，若是須要了解文字說明，能夠參考這裏,若是須要參考python的代碼實現，能夠參考下文給出的github地址，這裏只給出簡單總結。

簡單描述

在一個二維集合（能夠當作矩陣）中，第二維表明每個決策的實例，用某種方式（例如信息增益（首先要計算熵））在肯定一個最佳分割點（p），而後以該點做爲根節點，此時剩下的子集有兩種狀況，要麼做爲決策樹的結果，要麼遞歸下去建立子樹。

選取特徵

有句話叫好的數據賽過好的模型，通過這番實踐我算是真正認識到這句話的意思。機器學習的算法不是你隨便扔一個數據集下去，他都能訓練出一個有效的模型。我曾經把整個棋局扔給他它訓練，然而並無什麼亂用。幾番周折才角色以連子形式做爲訓練的內容。

舉個例子

[1,1,0,1,2]

這個訓練集代表，玩家的連子形式已是1，1，0，1（0表示空位），若是玩家順利連成了4子，那麼AI則完全出於劣勢，由於若是4子是在棋盤中間的話，那麼ai只能堵一邊，玩家仍是能夠在另外一邊連成5子。

因此ai應該下在2號位，阻止其連成4子。

個人代碼中有大量如此的數據，用於教會ai決定是及時阻止對方，仍是提升本身的連子數。(跑兩次不一樣的決策樹)

BetaMeow的將來與本文後話

BetaMeow如今顯然是不完善的。

• 首先是五子棋規則的自己，首先是五子棋棋盤應該15x15，而後無知的我把它弄成了19x19,而後規前後手的規則好像也有不一樣的規定，但我沒有考慮太多這方面，畢竟個人主要目的是機器學習的實踐，並不是作出一個五子棋遊戲。五子棋只是一個載體。
  一樣是由於個人目的在於算法，因此界面不太美觀，甚至在不一樣分辨率上可能有問題(使用的bootstrap應該問題不大)，因此若是有較爲熟悉前端的朋友，歡迎修改修改後Pull Requese給我。

• 第二點，算法自己也有不完善的地方。
  由於目前的方案是遍歷棋局，分析各店的形式，可能由於循環的緣由，會致使後面的選擇覆蓋掉前一個選擇，從而錯過了一些最好的選擇。

下一步會是給每個選擇的結果加上權重，從而避免上述問題。

嗯，說了這麼多，最後給出這個項目的github地址

my_github

重要的事情再說一遍。

前端真的作得很爛，若是有熟悉前端的朋友幫我修改一下，真的萬分感謝。

這個github地址會記錄下我學習機器學習和數據挖掘的各類小項目(包括我以前的圖片識別的項目)，將會持續更新很長一段時間，若是你對這個有興趣，歡迎關注和支持。

若是你也有機器學習和數據挖掘等相關的項目，歡迎推薦給我，你們互相學習的同時，我也會在個人項目的README中給出你項目的URL(你也要給出我項目的URL哦，親)

感謝關注和支持。