PROSAGA码农传奇-机器学习-机器学习适用于国际象棋辅导软件

<div class =“post-text”itemprop =“text”>
  
    我首先让国际象棋程序将统计信息转储到CSV或JSON文件，显示：
  
  <BLOCKQUOTE>
    <OL>
      <LI>
        移动了哪些部件以及移动频率
      </LI>
      <LI>
        在将军发生之前需要多少次动作
      </LI>
      <LI>
        在什么时间段内有多少场比赛。
      </LI>
      <LI>
        随着时间的推移捕获了多少件。等等
      </LI>
    </醇>
  </BLOCKQUOTE>
  
    在选择感兴趣的数据点或用于训练ML算法的功能方面，您具有极大的灵活性。一旦将这些数据点放在一起并且数据文件可以用于您的算法，您就可以开始训练它并查看您获得的预测结果。然后需要调整您的实验，直到您获得确实有用的结果。
  
  
    这是一个基于Python的Random Forrest算法
    <a href="https://www.kaggle.com/c/digit-recognizer/forums/t/2299/getting-started-python-sample-code-random-forest" rel="nofollow">
      一个教程
    </A>
     让你入门：
  
   <pre>
 <code>
 from sklearn.ensemble import RandomForestClassifier
from numpy import genfromtxt, savetxt

def main():
    #create the training & test sets, skipping the header row with [1:]
    dataset = genfromtxt(open('Data/train.csv','r'), delimiter=',', dtype='f8')[1:]    
    target = [x[0] for x in dataset]
    train = [x[1:] for x in dataset]
    test = genfromtxt(open('Data/test.csv','r'), delimiter=',', dtype='f8')[1:]

#create and train the random forest
    #multi-core CPUs can use: rf = RandomForestClassifier(n_estimators=100, n_jobs=2)
    rf = RandomForestClassifier(n_estimators=100)
    rf.fit(train, target)

savetxt('Data/submission2.csv', rf.predict(test), delimiter=',', fmt='%f')

if __name__=="__main__"

</code>
 </pre>
  
    当你开始行动时，这可能会非常有趣。让程序开始预测玩家的弱点取决于您选择收集哪些数据。
  
  
    祝好运。
  
</DIV>