Infer.NET 및 확률적 프로그래밍을 사용하여 게임 대전 목록 앱 만들기

아티클
05/09/2023

이 방법 가이드에서는 Infer.NET을 사용하는 확률적 프로그래밍을 설명합니다. 확률적 프로그래밍은 사용자 지정 모델을 컴퓨터 프로그램으로 표현하는 기계 학습 접근 방식입니다. 이를 통해 모델의 도메인 정보를 통합할 수 있고 기계 학습 시스템이 더 쉽게 해석할 수 있습니다. 새 데이터가 도착할 때 수행되는 학습 프로세스인 온라인 유추도 지원합니다. Infer.NET은 Azure, Xbox 및 Bing에서 Microsoft의 다양한 제품에 사용됩니다.

확률적 프로그래밍이란 무엇인가요?

확률적 프로그래밍을 사용하면 실제와 같은 프로세스의 통계 모델을 만들 수 있습니다.

필수 조건

로컬 개발 환경입니다.

이 방법 가이드에서는 개발에 사용할 수 있는 머신이 있다고 예상합니다. .NET 자습서 Hello World 10분 완성에는 macOS, Windows 또는 Linux의 로컬 개발 환경 설정에 대한 지침이 포함되어 있습니다.

앱 만들기

새 명령 프롬프트를 열고 다음 명령을 실행합니다.

dotnet new console -o myApp
cd myApp

dotnet 명령은 console 형식의 new 애플리케이션을 만듭니다. -o 매개 변수는 앱이 저장되는 myApp이라는 디렉터리를 만들고 필요한 파일로 채웁니다. cd myApp 명령을 실행하면 새로 만들어진 앱 디렉터리로 이동합니다.

Infer.NET 패키지 설치

Infer.NET을 사용하려면 Microsoft.ML.Probabilistic.Compiler 패키지를 설치해야 합니다. 명령 프롬프트에서 다음 명령을 실행합니다.

dotnet add package Microsoft.ML.Probabilistic.Compiler

모델 디자인

예제 샘플에서는 사무실에서 진행되는 탁구 또는 테이블 축구 대전을 사용합니다. 각 대전의 참가자 및 결과가 제공됩니다. 이 데이터에서 플레이어의 기술을 유추하려고 합니다. 각 플레이어는 정상적으로 배포된 잠재 기술을 보유하고 플레이어의 특정 대전 성과는 이 기술의 정리되지 않은 버전이라고 가정하겠습니다. 데이터는 승자의 성과를 패자의 성과보다 크도록 제한합니다. 이는 팀, 그리기 및 기타 확장을 지원하는 인기 있는 TrueSkill 모델의 간소화된 버전입니다. 이 모델의 고급 버전은 최대 판매 게임 타이틀인 Halo and Gears of War의 대전표 작성에 사용됩니다.

유추된 플레이어 기술을, 기술의 불확실성 측정값인 해당 차이와 함께 나열해야 합니다.

게임 결과 예제 데이터

게임	승자	패자
1	플레이어 0	플레이어 1
2	플레이어 0	플레이어 3
3	플레이어 0	플레이어 4
4	플레이어 1	플레이어 2
5	플레이어 3	플레이어 1
6	플레이어 4	플레이어 2

예제 데이터를 자세히 살펴보면 플레이어 3과 플레이어 4가 둘 다 1승 1패임을 알 수 있습니다. 확률적 프로그래밍을 사용하여 순위가 어떻게 표시되는지 확인해 보겠습니다. 개발자는 사무실 대전 목록도 0부터 시작하므로 플레이어 0도 있음을 알 수 있습니다.

일부 코드 작성

모델을 디자인했으므로 Infer.NET 모델링 API를 사용하여 확률적 프로그램으로 표현해 보겠습니다. 원하는 텍스트 편집기에서 Program.cs를 열고 모든 콘텐츠를 다음 코드로 바꿉니다.

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}");
            }
        }
    }
}

앱을 실행합니다.

명령 프롬프트에서 다음 명령을 실행합니다.

dotnet run

결과

다음과 같은 결과가 나타나야 합니다.

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)

결과에서 모델에 따라 플레이어 3의 순위가 플레이어 4보다 약간 더 높음을 알 수 있습니다. 플레이어 1에 대한 플레이어 3의 승리가 플레이어 2에 대한 플레이어 4의 승리보다 더 중요합니다. 플레이어 1은 플레이어 2를 이겼기 때문입니다. 플레이어 0이 전체 챔피언입니다.

계속 학습

통계 모델 디자인은 훌륭한 기술입니다. Microsoft Research Cambridge 팀은 문서에 대한 가벼운 소개를 제공하는 무료 온라인 설명서를 작성했습니다. 이 설명서의 3장에서는 TrueSkill 모델을 더 자세히 다룹니다. 모델을 계획한 후 Infer.NET 웹 사이트에서 광범위한 문서를 사용하여 모델을 코드로 변환할 수 있습니다.

다음 단계

학습을 계속하고 더 많은 샘플을 찾으려면 Infer.NET GitHub 리포지토리를 체크 아웃하세요.

dotnet/infer GitHub 리포지토리