Játékegyeztetés listaalkalmazás létrehozása Infer.NET és valószínűségi programozással

Ez az útmutató bemutatja a valószínűségi programozást Infer.NET használatával. A valószínűségi programozás olyan gépi tanulási megközelítés, amelyben az egyéni modellek számítógépes programokként vannak kifejezve. Lehetővé teszi a tartományi ismeretek beépítését a modellekbe, és érthetőbbé teszi a gépi tanulási rendszert. Emellett támogatja az online következtetést – az új adatok érkezésekor történő tanulás folyamatát. Infer.NET a Microsoft különböző termékeiben használják az Azure-ban, az Xboxban és a Bingben.

Mi a valószínűségi programozás?

A valószínűségi programozás lehetővé teszi a valós folyamatok statisztikai modelljeinek létrehozását.

Előfeltételek

• Helyi fejlesztési környezet.

  Ez az útmutató arra számít, hogy rendelkezik egy fejlesztéshez használható géppel. A .NET-oktatóanyag 10 perc alatt "Helló világ!" alkalmazás útmutatást tartalmaz a helyi fejlesztési környezet beállításához macOS, Windows vagy Linux rendszeren.

Az alkalmazás létrehozása

Nyisson meg egy új parancssort, és futtassa a következő parancsokat:

.NET CLI

dotnet new console -o myApp
cd myApp

A dotnet parancs létrehoz egy new típusú consolealkalmazást. A -o paraméter létrehoz egy könyvtárat, amely az myApp alkalmazás tárolási helyét tartalmazza, és feltölti a szükséges fájlokkal. A cd myApp parancs az újonnan létrehozott alkalmazáskönyvtárba helyezi.

Infer.NET csomag telepítése

A Infer.NET használatához telepítenie kell a Microsoft.ML.Probabilistic.Compiler csomagot. Futtassa a következő parancsot a parancssorban:

.NET CLI

dotnet add package Microsoft.ML.Probabilistic.Compiler

A modell megtervezése

A példa az irodában lejátszott asztalitenisz- vagy csocsómérkőzéseket használja. Az egyes mérkőzések résztvevői és eredményei vannak. Ebből az adatból ki szeretné következtetni a játékos képességeit. Tegyük fel, hogy minden játékos rendelkezik egy normálisan elosztott látens képességgel, és az adott meccs teljesítménye ennek a képességnek a zajos verziója. Az adatok arra kényszerítik a nyertes teljesítményét, hogy nagyobb legyen, mint a vesztes teljesítménye. Ez a népszerű TrueSkill-modell egyszerűsített verziója, amely támogatja a csapatokat, a rajzokat és más bővítményeket is. Ennek a modellnek a fejlett verzióját használják a halo és a Gears of War legkelendőbb játékcímek párosításához.

Meg kell listázni a kikövetkeztetett játékos készségek mellett azok varianciája - a mértéke bizonytalanság körül a készségek.

Játékeredmények mintaadatai

Játék	A nyertes	Vesztes
0	Player 0	1. játékos
2	Player 0	3. játékos
3	Player 0	4. játékos
4	1. játékos	2. játékos
5	3. játékos	1. játékos
6	4. játékos	2. játékos

A mintaadatok közelebbről megvizsgálva láthatja, hogy a 3. és a 4. játékos egyaránt egy győzelemmel és egy vereséggel rendelkezik. Nézzük meg, hogy néznek ki a rangsorok a valószínűségi programozás használatával. Figyelje meg azt is, hogy van egy nulla játékos, mert még az Office-beli egyező listák is nulla alapján nekünk fejlesztők.

Kód írása

Miután megtervezte a modellt, itt az ideje, hogy valószínűségi programként fejezze ki a Infer.NET modellezési API használatával. Nyissa meg Program.cs a kedvenc szövegszerkesztőjében, és cserélje le az összes tartalmát a következő kódra:

C#

namespace myApp

{
    using System;
    using System.Linq;
    using Microsoft.ML.Probabilistic;
    using Microsoft.ML.Probabilistic.Distributions;
    using Microsoft.ML.Probabilistic.Models;

    class Program
    {

        static void Main(string[] args)
        {
            // The winner and loser in each of 6 samples games
            var winnerData = new[] { 0, 0, 0, 1, 3, 4 };
            var loserData = new[] { 1, 3, 4, 2, 1, 2 };

            // Define the statistical model as a probabilistic program
            var game = new Range(winnerData.Length);
            var player = new Range(winnerData.Concat(loserData).Max() + 1);
            var playerSkills = Variable.Array<double>(player);
            playerSkills[player] = Variable.GaussianFromMeanAndVariance(6, 9).ForEach(player);

            var winners = Variable.Array<int>(game);
            var losers = Variable.Array<int>(game);

            using (Variable.ForEach(game))
            {
                // The player performance is a noisy version of their skill
                var winnerPerformance = Variable.GaussianFromMeanAndVariance(playerSkills[winners[game]], 1.0);
                var loserPerformance = Variable.GaussianFromMeanAndVariance(playerSkills[losers[game]], 1.0);

                // The winner performed better in this game
                Variable.ConstrainTrue(winnerPerformance > loserPerformance);
            }

            // Attach the data to the model
            winners.ObservedValue = winnerData;
            losers.ObservedValue = loserData;

            // Run inference
            var inferenceEngine = new InferenceEngine();
            var inferredSkills = inferenceEngine.Infer<Gaussian[]>(playerSkills);

            // The inferred skills are uncertain, which is captured in their variance
            var orderedPlayerSkills = inferredSkills
               .Select((s, i) => new { Player = i, Skill = s })
               .OrderByDescending(ps => ps.Skill.GetMean());

            foreach (var playerSkill in orderedPlayerSkills)
            {
                Console.WriteLine($"Player {playerSkill.Player} skill: {playerSkill.Skill}");
            }
        }
    }
}

Futtassa az alkalmazást

Futtassa a következő parancsot a parancssorban:

.NET CLI

dotnet run

Results (Eredmények)

Az eredményeknek a következőhöz hasonlónak kell lenniük:

Console

Compiling model...done.
Iterating:
.........|.........|.........|.........|.........| 50
Player 0 skill: Gaussian(9.517, 3.926)
Player 3 skill: Gaussian(6.834, 3.892)
Player 4 skill: Gaussian(6.054, 4.731)
Player 1 skill: Gaussian(4.955, 3.503)
Player 2 skill: Gaussian(2.639, 4.288)

Az eredményekben figyelje meg, hogy a 3. játékos valamivel magasabb, mint a 4. játékos a modellünk szerint. Ennek az az oka, hogy a 3. játékos győzelme az 1. játékos felett fontosabb, mint a 4. játékos győzelme a 2. játékos felett – vegye figyelembe, hogy az 1. játékos legyőzi a 2. játékost. Player 0 a teljes bajnok!

Tanulás megtartása

A statisztikai modellek tervezése önmagában is készség. A Microsoft Research Cambridge csapata egy ingyenes online könyvet írt, amely gyengéd bevezetést nyújt a cikkbe. A könyv 3. fejezete részletesebben ismerteti a TrueSkill-modellt. Ha figyelembe vett egy modellt, a Infer.NET webhelyén található részletes dokumentáció segítségével kódmá alakíthatja azt.

Következő lépések

A tanulás folytatásához és további minták kereséséhez tekintse meg a Infer.NET GitHub-adattárat.

dotnet/infer GitHub-adattár