TrueSkill - TrueSkill

TrueSkill это система ранжирования на основе навыков, разработанная Microsoft для использования с подбором игроков в видеоиграх Xbox Live. В отличие от популярных Система рейтинга Эло, который изначально был разработан для шахматы TrueSkill разработан для поддержки игр с участием более чем двух игроков.^[1][2]

Расчет

Навык игрока представлен в виде нормальное распределение ${\displaystyle {\mathcal {N}}}$ характеризуется средним значением ${\displaystyle \mu }$ (му, представляющий воспринимаемый навык) и дисперсия ${\displaystyle \sigma }$ (сигма, показывающий, насколько "неуверенно" система в глазах игрока. ${\displaystyle \mu }$ ценить).^[1][2] В качестве таких ${\displaystyle {\mathcal {N}}(x)}$ можно интерпретировать как вероятность того, что «истинный» навык игрока ${\displaystyle x}$.^[1][2]

В Xbox Live игроки начинают с ${\displaystyle \mu =25}$ и ${\displaystyle \sigma =25/3}$; ${\displaystyle \mu }$ всегда увеличивается после выигрыша и всегда уменьшается после проигрыша. Объем актуальных обновлений зависит от каждого игрока. ${\displaystyle \sigma }$ и о том, насколько "удивительным" будет результат для системы. Например, несбалансированные игры приводят либо к незначительным обновлениям, когда выигрывает фаворит, либо к огромным обновлениям, когда он проигрывает на удивление.

Факторные графики и распространение ожидания через совпадение моментов используются для вычисления уравнения передачи сообщений которые, в свою очередь, вычисляют навыки игроков.^[1][2]

Звания игроков отображаются как консервативная оценка их навыков, ${\displaystyle R=\mu -3\times \sigma }$. Это консервативно, потому что система на 99% уверена, что навыки игрока на самом деле выше, чем то, что отображается как их ранг.

В системе можно использовать произвольные шкалы, но Microsoft использует шкалу от 0 до 50 для Xbox Live. Следовательно, игроки начинают с ранга ${\displaystyle R=25-3\cdot {\frac {25}{3}}=0}$. Это означает, что поражение нового игрока приводит к большой сигма-потере, которая частично или полностью компенсирует его потерю mu. Это объясняет, почему люди могут пополнять ряды за счет потерь.

Использование в других проектах

TrueSkill запатентован,^[3] и название зарегистрировано,^[4] поэтому он ограничен проектами Microsoft и коммерческими проектами, которые получают лицензию на использование алгоритма.

Смотрите также

• Патенты на программы

Рекомендации

1. Мерфи, Кевин (2012). Машинное обучение: вероятностная перспектива. MIT Press. ISBN  978-0262018029.
2. Хербрих, Ральф; Минка, Том; Graepel, Thore (2007), Schölkopf, B .; Platt, J.C .; Хоффман, Т. (ред.), «TrueSkill ™: Байесовская система оценки навыков» (PDF), Достижения в системах обработки нейронной информации 19, MIT Press, стр. 569–576., получено 2018-10-11
3. «Заявка на патент США 20090227313: Определение относительных навыков игроков». USPTO. Получено 2014-02-16.
4. «Система электронного поиска товарных знаков (ТЭСС)». tmsearch.uspto.gov. Получено 2020-01-16.

внешняя ссылка

• Домашняя страница TrueSkill от Microsoft Research
• Документ TrueSkill от Microsoft Research
• Углубленное объяснение математической основы