我目前正在开发一种人工智能来预测电子游戏中 1v1 比赛的获胜者。问题是我不知道我需要以什么形式拥有数据（输入和标签）。 目前我有以下数据：
我也可以得到比赛的分数，但有时它是最好的3，有时是最好的5，所以我不知道它是否可靠。
根据我掌握的数据，我的两个主要问题是：
提前感谢，我真的很感激
【问题讨论】：
您的数据似乎是分类的，即使我不完全理解您所说的 player1 和 player2 是什么意思。你有球员的名字或一些技能吗？
神经网络或任何 AI 算法都适用于数字。他们对现实世界一无所知，例如日期名称（星期一、星期二等）或国家名称。您需要做的是创建这些现实世界问题和数字之间的映射。
它们是分类的（不能采用连续值），您可以将天数从 0 映射到 N。对于您可以这样做的国家/地区，每个国家/地区都可以有一个唯一的 ID。如果在推理过程中模型接收到训练中不存在的日期或国家/地区，则您必须小心谨慎，这对模型来说是未知的。因此，要么添加所有相关的国家，要么如果您事先不知道这一点，您可以为未知国家和日期的情况添加标签 -1。 对于每个功能，您将有一列，每行代表一个匹配项。在该列中，您必须为该特定功能和匹配对应 ID，然后您可以将此数据传递给 AI。顺便说一句，您可以为不同的功能使用相同的 ID/编号。 （所以你可以 1 代表星期二，另一列 1 可以是瑞士） 回答您的问题：
是的，理论上，这可能发生。如果你有足够的样本和一个好的模型，模型本身可能会学习它。
如果可以，您可以向模型输入相对值而不是绝对值。因此，例如，如果您有一些关于球员的技能组合属性/分数，您可以根据这些分数的差异创建数据，而不是将两个分数都输入系统。例如，player1 的射击是 80，player2 的射击是 78。你有一个射击列，你把值 80-78 放在那里，然后模态知道 player1 比 2 好，反之亦然，你可以放 -2 和 thne 模型知道 player2 在该类别中优于 2。另一种方法是在训练数据中对每个匹配进行 2 次。第二个玩家顺序颠倒了。模型也可以从数据中学习到这一点。
这很容易做到，您的模型不会输出玩家 ID 或与玩家相关的任何内容。你的问题是一个二元分类问题。在任何情况下，您的模型都应输出 0 或 1。0 表示 player1 获胜，1 表示 player2 获胜，然后您可以自行将此输出转换为玩家。
【讨论】：