使用 SlopeOne 算法预测玩家是否可以完成游戏中的关卡？答案

【问题标题】：Using SlopeOne algorithm to predict if a gamer can complete a level in a Game?使用 SlopeOne 算法预测玩家是否可以完成游戏中的关卡？
【发布时间】：2011-05-15 11:06:10
【问题描述】：

我打算使用 SlopeOne 算法来预测玩家是否可以在游戏中完成给定关卡？

这是场景：

很多玩家都在玩并尝试在游戏中完成 100 个关卡。
每个玩家都可以根据需要多次玩关卡，直到他们通过关卡。
系统会跟踪关卡以及每个关卡的重试次数。
每个游戏关卡都属于 3 个类别（简单、中等、困难）之一
每个类别的关卡分布大致为 33%，这意味着 33% 的关卡是简单的，33% 的关卡是困难的，等等。

使用这些信息：

当一个新玩家开始玩游戏时，经过几个关卡后，我希望能够预测玩家可以轻松穿越哪些关卡，哪些关卡他/她不能轻松穿越。

凭借这种预测能力，我想展示用户能够以 50% 的概率通过的游戏关卡。

我可以为此使用 SlopeOne 算法吗？

原因是我发现我想说的电影分级系统之间有很多相似之处。

n 个用户、m 个项目和 N 个评分来预测给定项目的用户评分。

同样，在我的情况下，我有

n 个用户，m 个级别和 N 次重试...

唯一的区别是在电影评级系统中，评级固定在 1-5 的范围内，在我的情况下，重试范围可以从 1-x（x 可能高达 30）

虽然理论上有人可以重试 30 次以上，但现在我可以先将上限固定在 30 次，然后在获得更多数据后进行调整。

谢谢。

【问题讨论】：

标签： python algorithm filtering prediction collaborative

【解决方案1】：

我认为它可能会起作用，但我会先将 log 应用于尝试次数（您不能执行 log(0)，因此重试不起作用）。如果有人觉得某个关卡容易，他们会尝试一两次，而觉得难的人通常必须一遍又一遍地做。 did it in 1 go vs 2 go 之间的差异远大于 20 go vs 21 go。这将消除对 go 值数量进行任意限制的需要。

【讨论】：

【解决方案2】：

我不知道该算法有多合适，但我在 python http://www.serpentine.com/blog/2006/12/12/collaborative-filtering-made-easy/ 中实现它时发现了这一点

【讨论】：