Mašīnmācīšanās metožu pielietojums pretinieku tendenču noteikšanai

Abstract

Darbā tiek pētīts, cik veiksmīgi ar mašīnmācīšanās metodēm var noteikt pretinieku tendences no salīdzinoši nelielas datu kopas. Darbā tiek pētīta kāršu spēle pokers. Uzdevums ir noteikt, vai pretiniekiem ir tendence pieņemt kādu lēmumu, pēc kā attiecīgi mēs varam paši mainīt savu stratēģiju atbilstoši noteiktajām tendencēm, tādā veidā iegūstot priekšrocību. Tiek apskatīts kādi spēlētāju tipi eksistē izspēlēs ar dažādiem spēlētāju skaitu izmantojot klasterēšanas algoritmus. Tālāk tiek izstrādāta mākslīgā intelekta pamatklase, kuru var viegli paplašināt tādā veidā definējot spēlētāju, kas spēlē pēc noteikta spēlētāja tipa tendencēm. Visbeidzot tiek novērtētas dažādas metodes un modeļi, kas ātrāk un precīzāk var noteikt spēlētāju piederību tipam. Tas tiek darīts simulējot izspēles ar iepriekš radītajiem mākslīgā intelekta spēlētājiem.

The work examines how successful machine-learning techniques can detect tendencies among opponents from a relatively small dataset. Card game poker is looked at. The challenge is to determine whether opponents have tendencies to make certain decisions, by which we can change our strategy accordingly with the trends identified, thereby benefiting. It looks at what types of players exist when playing with different numbers of players using clustering algorithms. The basic class of artificial intelligence is further developed, which can easily be expanded in such a way as to define a player playing according to trends of a particular type of player. Finally, different methods and models are evaluated, which can more quickly and accurately identify players' types. This is done by simulating the games with the artificial intelligence players created above.