Ich plane, den SlopeOne-Algorithmus zu verwenden, um vorherzusagen, ob ein Spieler ein bestimmtes Level in einem Spiel beenden kann oder nicht?
Hier ist das Szenario:
Verwenden Sie diese Informationen:
Wenn ein neuer Spieler anfängt, das Spiel zu spielen, möchte ich nach ein paar Levels vorhersagen können welches Level kann der Gamer leicht überqueren und welche Level kann er / sie nicht leicht überqueren?
Mit dieser Vorhersagefähigkeit möchte ich die Spielstufen vorstellen, die der Benutzer mit 50% Wahrscheinlichkeit überschreiten könnte.
Kann ich den SlopeOne-Algorithmus dafür verwenden?
Grund ist, dass ich viele Ähnlichkeiten zwischen dem, was ich sagen möchte, und einem Bewertungssystem für Filme sehe.
n Benutzer, m Artikel und N Bewertungen, um die Benutzerbewertung für einen bestimmten Artikel vorherzusagen.
Ähnlich, in meinem Fall habe ich
n Benutzer, m Ebenen und N Wiederholungen ...
Der einzige Unterschied in einem Film-Rating-System ist die Bewertung auf einer Skala von 1 bis 5 und in meinem Fall können die Wiederholungen von 1-x reichen (x könnte so hoch wie 30 sein)
während theoretisch jemand 30 mal mehr versuchen könnte, für jetzt könnte ich damit beginnen, das obere Limit bei 30 zu fixieren und anzupassen, nachdem ich mehr Daten habe.
Danke.
Ich denke, es könnte funktionieren, aber ich würde Protokoll auf die Anzahl der Versuche anwenden (Sie können log (0) nicht tun, so dass Versuche nicht funktionieren) zuerst. Wenn jemand ein Level leicht fand, würde er es ein- oder zweimal ausprobieren, während Leute, die es schwer fanden, es im Allgemeinen immer und immer wieder tun mussten. Der Unterschied zwischen 1 go vs 2 goes ist viel größer als 20 goes vs 21 goes. Dies würde die Notwendigkeit beseitigen, ein willkürliches Limit für die Anzahl von goes-Werten zu setzen.
Tags und Links python algorithm filtering prediction collaborative