摘要：簡言之，機(jī)器學(xué)習(xí)是內(nèi)功，而數(shù)據(jù)挖掘則是機(jī)器學(xué)習(xí)的一種用途。但本質(zhì)上是我在學(xué)習(xí)機(jī)器學(xué)習(xí)方面的實(shí)戰(zhàn)項(xiàng)目，所以我想辦法利用機(jī)器學(xué)習(xí)的方面的算法實(shí)現(xiàn)。

前段時間AlphaGo和李世石廣受關(guān)注，作為人工智能的腦殘粉，看完比賽后激動不已，因?yàn)橛幸欢ǖ臋C(jī)器學(xué)習(xí)的基礎(chǔ)，便打算擼一個棋類的AI，但我還算有點(diǎn)自知之明，圍棋AI，甚至google打算做得通用AI是做不出的了，所以打算擼一個五子棋的AI。

選取五子棋作為試手項(xiàng)目主要是以下幾點(diǎn)原因：

規(guī)則簡單。為了簡單起見，BetaMeow只要有一方練成五子就可以判輸贏。

受眾多。因?yàn)槲遄悠宓囊?guī)則相對簡單，使得其受眾遠(yuǎn)比圍棋多，換句話來說，我把BetaMeow做出來了，那么可以測試的人也多。

近年機(jī)器學(xué)習(xí)，數(shù)據(jù)挖掘,人工智能很火，但其實(shí)不少人對這些名詞其實(shí)是一頭霧水，我嘗試用我自己的語言解釋，如果有什么需要完善的地方，歡迎提出。

比如說，有一個模型能夠能夠根據(jù)一個人的社交動態(tài)，推斷出他是喜歡蘋果還是香蕉，那么，我現(xiàn)在想知道某個社交平臺上市喜歡蘋果的人多，還是喜歡香蕉的人多。顯然，我把社交平臺的數(shù)據(jù)扔進(jìn)模型中跑一遍就可以了，但社交平臺數(shù)據(jù)肯定不是說一兩個txt文件這么簡單啊。這時就可能涉及網(wǎng)絡(luò)爬蟲(收集數(shù)據(jù))，分布式存儲(數(shù)據(jù)量巨大的時候)，過濾無關(guān)的數(shù)據(jù)(數(shù)據(jù)清洗),修改模型使得符合當(dāng)前業(yè)務(wù)場景(花式調(diào)參)，跑完數(shù)據(jù)獲得結(jié)果后決定采取什么商業(yè)措施等。(BI)

機(jī)器學(xué)習(xí)就是負(fù)責(zé)考慮如何建立模型，而數(shù)據(jù)挖掘則是負(fù)責(zé)其他地方，不過一般來說，數(shù)據(jù)挖掘部分的工作可能會分開幾個部門來做。

簡言之，機(jī)器學(xué)習(xí)是內(nèi)功，而數(shù)據(jù)挖掘則是機(jī)器學(xué)習(xí)的一種用途。而人工智能，就是更廣的概念了

回到正題上，傳統(tǒng)的五子棋AI采用的搜索算法，這個方面其實(shí)已經(jīng)很完善，聽聞已經(jīng)出現(xiàn)了無解的結(jié)果(玩家無法取勝)。但BetaMeow本質(zhì)上是我在學(xué)習(xí)機(jī)器學(xué)習(xí)方面的實(shí)戰(zhàn)項(xiàng)目，所以我想辦法利用機(jī)器學(xué)習(xí)的方面的算法實(shí)現(xiàn)。

最后選擇決策樹算法。通過決策樹判斷該局的狀況，屬于對方（玩家）占優(yōu)還是己方（AI）占優(yōu)。

至于什么叫決策樹，有時真的是一圖勝千言。

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

簡單來說，通過一層層的篩選下來，你就能獲得相應(yīng)的結(jié)果。

關(guān)于如何構(gòu)建決策樹，如果需要了解文字說明，可以參考這里,如果需要參考python的代碼實(shí)現(xiàn)，可以參考下文給出的github地址，這里只給出簡單總結(jié)。

在一個二維集合（可以看成矩陣）中，第二維代表每一個決策的實(shí)例，用某種方式（例如信息增益（首先要計(jì)算熵））在確定一個最佳分割點(diǎn)（p），然后以該點(diǎn)作為根節(jié)點(diǎn)，此時剩下的子集有兩種情況，要么作為決策樹的結(jié)果，要么遞歸下去創(chuàng)建子樹。

有句話叫好的數(shù)據(jù)勝過好的模型，經(jīng)過這番實(shí)踐我算是真正認(rèn)識到這句話的意思。機(jī)器學(xué)習(xí)的算法不是你隨便扔一個數(shù)據(jù)集下去，他都能訓(xùn)練出一個有效的模型。我曾經(jīng)把整個棋局扔給他它訓(xùn)練，然而并沒有什么亂用。幾番周折才角色以連子形式作為訓(xùn)練的內(nèi)容。

舉個例子

[1,1,0,1,2]

這個訓(xùn)練集表明，玩家的連子形式已經(jīng)是1，1，0，1（0表示空位），如果玩家順利連成了4子，那么AI則徹底出于劣勢，因?yàn)槿绻?子是在棋盤中間的話，那么ai只能堵一邊，玩家還是可以在另一邊連成5子。

所以ai應(yīng)該下在2號位，阻止其連成4子。

我的代碼中有大量如此的數(shù)據(jù)，用于教會ai決定是及時阻止對方，還是提高自己的連子數(shù)。(跑兩次不同的決策樹)

BetaMeow現(xiàn)在顯然是不完善的。

首先是五子棋規(guī)則的本身，首先是五子棋棋盤應(yīng)該15x15，然后無知的我把它弄成了19x19,然后規(guī)先后手的規(guī)則好像也有不同的規(guī)定，但我沒有考慮太多這方面，畢竟我的主要目的是機(jī)器學(xué)習(xí)的實(shí)踐，并非做出一個五子棋游戲。五子棋只是一個載體。
同樣是因?yàn)槲业哪康脑谟谒惴ǎ越缑娌惶烙^，甚至在不同分辨率上可能有問題(使用的bootstrap應(yīng)該問題不大)，所以如果有較為熟悉前端的朋友，歡迎修改修改后Pull Requese給我。

第二點(diǎn)，算法本身也有不完善的地方。
因?yàn)槟壳暗姆桨甘潜闅v棋局，分析各店的形式，可能因?yàn)檠h(huán)的原因，會導(dǎo)致后面的選擇覆蓋掉前一個選擇，從而錯過了一些最好的選擇。

下一步會是給每一個選擇的結(jié)果加上權(quán)重，從而避免上述問題。

嗯，說了這么多，最后給出這個項(xiàng)目的github地址

my_github

重要的事情再說一遍。

前端真的做得很爛，如果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(xué)習(xí)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的各種小項(xiàng)目(包括我之前的圖片識別的項(xiàng)目)，將會持續(xù)更新很長一段時間，如果你對這個有興趣，歡迎關(guān)注和支持。

如果你也有機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘等相關(guān)的項(xiàng)目，歡迎推薦給我，大家互相學(xué)習(xí)的同時，我也會在我的項(xiàng)目的README中給出你項(xiàng)目的URL(你也要給出我項(xiàng)目的URL哦，親)

感謝關(guān)注和支持。