BetaMeow的起源
前段時間AlphaGo和李世石廣受關注，作為人工智慧的腦殘粉，看完比賽後激動不已，因為有一定的機器學習的基礎，便打算擼一個棋類的AI，但我還算有點自知之明，圍棋AI，甚至google打算做得通用AI是做不出的了，所以打算擼一個五子棋的AI。
選取五子棋作為試手專案主要是以下幾點原因：
- 規則簡單。為了簡單起見，BetaMeow只要有一方練成五子就可以判輸贏。
- 受眾多。因為五子棋的規則相對簡單，使得其受眾遠比圍棋多，換句話來說，我把BetaMeow做出來了，那麼可以測試的人也多。
機器學習的簡單介紹
近年機器學習，資料探勘,人工智慧很火，但其實不少人對這些名詞其實是一頭霧水，我嘗試用我自己的語言解釋，如果有什麼需要完善的地方，歡迎提出。
比如說，有一個模型能夠能夠根據一個人的社交動態，推斷出他是喜歡蘋果還是香蕉，那麼，我現在想知道某個社交平臺上市喜歡蘋果的人多，還是喜歡香蕉的人多。顯然，我把社交平臺的資料扔進模型中跑一遍就可以了，但社交平臺資料肯定不是說一兩個txt檔案這麼簡單啊。這時就可能涉及網路爬蟲(收集資料)，分散式儲存(資料量巨大的時候)，過濾無關的資料(資料清洗),修改模型使得符合當前業務場景(花式調參)，跑完資料獲得結果後決定採取什麼商業措施等。(BI)
機器學習就是負責考慮如何建立模型，而資料探勘則是負責其他地方，不過一般來說，資料探勘部分的工作可能會分開幾個部門來做。
簡言之，機器學習是內功，而資料探勘則是機器學習的一種用途。而人工智慧，就是更廣的概念了
五子棋AI
回到正題上，傳統的五子棋AI採用的搜尋演算法，這個方面其實已經很完善，聽聞已經出現了無解的結果(玩家無法取勝)。但BetaMeow本質上是我在學習機器學習方面的實戰專案，所以我想辦法利用機器學習的方面的演算法實現。
最後選擇決策樹演算法。通過決策樹判斷該局的狀況，屬於對方（玩家）佔優還是己方（AI）佔優。
什麼叫決策樹
至於什麼叫決策樹，有時真的是一圖勝千言。
圖片來至於http://www.52analysis.com/shujuwajue/2441.html
簡單來說，通過一層層的篩選下來，你就能獲得相應的結果。
如何構建決策樹
關於如何構建決策樹，如果需要了解文字說明，可以參考這裡,如果需要參考python的程式碼實現，可以參考下文給出的github地址，這裡只給出簡單總結。
簡單描述
在一個二維集合（可以看成矩陣）中，第二維代表每一個決策的例項，用某種方式（例如資訊增益（首先要計算熵））在確定一個最佳分割點（p），然後以該點作為根節點，此時剩下的子集有兩種情況，要麼作為決策樹的結果，要麼遞迴下去建立子樹。
選取特徵
有句話叫好的資料勝過好的模型，經過這番實踐我算是真正認識到這句話的意思。機器學習的演算法不是你隨便扔一個資料集下去，他都能訓練出一個有效的模型。我曾經把整個棋局扔給他它訓練，然而並沒有什麼亂用。幾番周折才角色以連子形式作為訓練的內容。
舉個例子
|
1 |
[1,1,0,1,2] |
這個訓練集表明，玩家的連子形式已經是1，1，0，1（0表示空位），如果玩家順利連成了4子，那麼AI則徹底出於劣勢，因為如果4子是在棋盤中間的話，那麼ai只能堵一邊，玩家還是可以在另一邊連成5子。
所以ai應該下在2號位，阻止其連成4子。
我的程式碼中有大量如此的資料，用於教會ai決定是及時阻止對方，還是提高自己的連子數。(跑兩次不同的決策樹)
BetaMeow的未來與本文後話
BetaMeow現在顯然是不完善的。
- 首先是五子棋規則的本身，首先是五子棋棋盤應該
15x15，然後無知的我把它弄成了19x19,然後規先後手的規則好像也有不同的規定，但我沒有考慮太多這方面，畢竟我的主要目的是機器學習的實踐，並非做出一個五子棋遊戲。五子棋只是一個載體。
同樣是因為我的目的在於演算法，所以介面不太美觀，甚至在不同解析度上可能有問題(使用的bootstrap應該問題不大)，所以如果有較為熟悉前端的朋友，歡迎修改修改後Pull Requese給我。 - 第二點，演算法本身也有不完善的地方。
因為目前的方案是遍歷棋局，分析各店的形式，可能因為迴圈的原因，會導致後面的選擇覆蓋掉前一個選擇，從而錯過了一些最好的選擇。
下一步會是給每一個選擇的結果加上權重，從而避免上述問題。
嗯，說了這麼多，最後給出這個專案的github地址
重要的事情再說一遍。
前端真的做得很爛，如果有熟悉前端的朋友幫我修改一下，真的萬分感謝。
這個github地址會記錄下我學習機器學習和資料探勘的各種小專案(包括我之前的圖片識別的專案)，將會持續更新很長一段時間，如果你對這個有興趣，歡迎關注和支援。
如果你也有機器學習和資料探勘等相關的專案，歡迎推薦給我，大家互相學習的同時，我也會在我的專案的README中給出你專案的URL(你也要給出我專案的URL哦，親)
感謝關注和支援。