简单易懂解释机器学习:以在线赌博和游戏公司为例

编译 | 量子位 若朴

赌徒往往依赖直觉,庄家偏爱铁一般的事实。他们的最终结局,殊途同归于预测。对于在线赌博和游戏公司而言,他们可以藉由用户鼠标的每次点击获得大量数据,而把这些数据变成有价值预测的关键,就是复杂的机器学习。

有何帮助?

机器学习的意思是,不需要细致入微的编程,就能让机器从数据中学到关系和模式。这种方式需要大型数据集和规划。不同的公司在开发机器学习算法是,有不同的优先级和目标。比方,有公司想利用玩家数据来改进游戏设计;而另一公司可能更希望最大化收入,并识别出最可能花钱的玩家。

让我们举个实际的例子:赌博防沉迷,赌博公司需要保证用户的行为,在监管要求的范围之内。机器学习算法是一个很好的解决方案,因为他们从过去的玩家行为的大量历史数据集中学习模式和相关性,然后可以预测未来的结果。比如判断玩家是否沉迷了。

赌博公司建立了行为正常玩家的数据,机器学习算法将识别玩家行为模式与正常值的偏差,进而检测是否出现上瘾沉迷的情况。一旦玩家沉迷,赌博公司就需要进行干预和纠正。

工作原理?

机器学习模型可以大致分成三种:聚类、分类和回归。

上面那个识别赌徒的例子,可以通过分类模型来实现,这种算法把一组数据按照预先设定的类别进行分类。例如,这种算法可以用于预测玩家是否会沉迷,玩家是机器人还是真人,玩家是不是可能注销游戏或者完全不用担心。

回归模型,则用来寻找两个或多个变量之间的关系,并给出一个预测值。比方,星期五晚上7点会有多少玩家在线,或者玩家有可能付出多少钱。

而聚类模型则用来识别相似的实例,并把他们组在一起。这通常用于推荐算法,即向某一类行为偏好相同的玩家推荐相关信息。这种模型也是一个数据挖掘的好工具,因为可以自动找到某些群体中的共同点。聚类模型也可以检测极端或者欺诈行为。

机器学习可以极大的推动在线赌博和游戏公司商业化进展,通过预测问题行为,让这些公司赶在损失还没有扩大之前就能采取行动。虽然机器学习需要大量的时间和资源投入,但正确使用的话,绝对是一笔完全的押注。

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2017-01-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

AI大事件丨吴恩达再度出手创立AI制造业公司,李飞飞领衔谷歌中国AI研究中心,AI或将应用于成人电影

16950
来自专栏AI科技大本营的专栏

周末漫谈|XGBoost与深度学习到底孰优孰劣?都说XGBoost好用,为什么名气总不如深度学习?

来源|Quora 整理|AI100 AlphaGo大战柯洁、李世石后,所有人都能谈上几句深度学习。人工智能在围棋上的这场突破,最终还要归功于机器学习三巨头三十年...

64380
来自专栏AI科技评论

论强化学习的根本缺陷

AI 科技评论按:本文来自斯坦福大学博士生 Andrey Kurenkov 在 The Gradient 上发表的文章。

15010
来自专栏新智元

再见AI黑匣子:研究人员教会AI进行自我解释

---- 新智元编译 来源:thenextweb 作者:艾霄葆 【新智元导读】AI决策过程的黑匣子问题一直是AI领域最大的担忧之一,但近期黑匣子决策问...

379110
来自专栏CreateAMind

智能机器的现实风险

当人们问我是干什么的,我常常对回答的深度感到困惑。说“人工智能”我很满意,但太宽泛,而说“图像处理”可能又太具体。然而,一听到接下的来的毫不相干的问题我总是气不...

9810
来自专栏灯塔大数据

荐读|大数据会撒谎?如何戳破大数据的谎言

数据科学家使用统计分析工具深度挖掘数据潜在的内容时经常会遭遇到大数据挖的坑,实际上这些坑并不是只有大数据才有,大自然本身就存在很多虚假的相关性,大数据只是更加...

30560
来自专栏人工智能头条

写给大家看的机器学习书【Part1】

26330
来自专栏专知

【深度】为什么Alphago Zero是深度学习领域的一次巨大突破?

【导读】Google DeepMind在Nature上发表最新论文,介绍了迄今最强最新的版本AlphaGo Zero,不使用人类先验知识,使用纯强化学习,将价值...

33750
来自专栏AI科技评论

李飞飞:在物体识别之后,计算机视觉还要多久才能理解这个世界?

AI科技评论按:9 月 26 日,机器人领域的顶级学术会议 IROS 2017 进入第二日。上午,著名华人计算机视觉专家、斯坦福副教授李飞飞,在温哥华会议中心面...

38660
来自专栏新智元

【DeepMind最新Nature论文】探索人类行为中的强化学习机制

【新智元导读】DeepMind与来自普林斯顿、NYU、达特茅斯学院、UCL和哈佛大学的研究人员合作,探索了人类行为中的强化学习,为开发智能体强化学习提供了新的策...

28340

扫码关注云+社区

领取腾讯云代金券