基于机器学习的 RTS游戏实时胜率预测

摘要

游戏胜负预测可用于自适应游戏AI的设计,策略层面强化学习的反馈参数等。使用SC2LE公开的数据集,首先通过游戏时间、MMR和AMP指标进行数据预处理,得到质量较高的数据集;然后使用pysc2解析,提取游戏数据;最后进行特征分析,得到基础特征和统计特征,完成游戏特征数据集的构建。最终采用机器学习方法XGB分类模型,利用10次十折交叉验证法进行模型评估与优选。结果表明使用基础特性与统计特性的组合,可以使得实时胜率预测准确率在不同匹配对局情况下均超过80%。