今回やること †
- プレイヤー全員の役職を一気に推定するモデルを作成してみる
実践 †
学習データについて †
- 訓練データは、今までのものと同じで、LSTMに対応した形で作成していく。
- ラベルデータは、役職の構成を番号に直したもの
- 「村人、村人、占い師、狂人、人狼」の順だったら0みたいなかんじ
- 全部で60通りの組み合わせがあるため、ラベル番号は0~59
学習結果 †
- Test loss:0.42088870953854396
- Test accuracy:0.840223958505628
サンプルデータに対する精度 †
役職ランダムの10000試合で検証 †
エージェント | 村人 | 占い師 | 狂人 | 人狼 | 総合 |
全体推定のやつ | 61.8 | 43.1 | 50.8 | 47.0 | 52.9 |
WSPのやつ | 60.3 | 41.4 | 54.5 | 44.1 | 52.1 |
ランダム選択のやつ | 54.5 | 43.4 | 53.0 | 43.9 | 49.8 |
- 狂人はWSPの方が4%くらい高い
- 個別で推定したものよりも、0.8%高くなった。
- 理由はいまいちわかってない
- 偶然の可能性もある(10000試合だけど)
推定精度 †
seminar-personal/nakahara2019