一般來(lái)說(shuō)，數(shù)據(jù)準(zhǔn)備是機(jī)器學(xué)習(xí)的首要任務(wù)，通常包括兩個(gè)子步驟：創(chuàng)建數(shù)據(jù)集和轉(zhuǎn)換數(shù)據(jù)。

如果想構(gòu)建一個(gè)類似人類的 AI 象棋游戲，首要問題就是創(chuàng)建一個(gè)數(shù)據(jù)庫(kù)，并且該數(shù)據(jù)庫(kù)需要盡可能多的包含象棋大師玩游戲的數(shù)據(jù)。通常情況下，大多數(shù)人使用 Python 構(gòu)建數(shù)據(jù)集，并且在一定程度上認(rèn)為 Python 是數(shù)據(jù)科學(xué)的唯一編程語(yǔ)言。

但是，項(xiàng)目作者 Jordi Bassaganas 打破流行觀點(diǎn)（該觀點(diǎn)認(rèn)為 Python 是世界上唯一用于數(shù)據(jù)科學(xué)的編程語(yǔ)言），不使用 Python，而是在構(gòu)建數(shù)據(jù)中使用了 MySQL、PHP 和 Rubix ML，其中 Rubix ML 是一個(gè)高級(jí)機(jī)器學(xué)習(xí)庫(kù)，可構(gòu)建使用 PHP 語(yǔ)言從數(shù)據(jù)中學(xué)習(xí)的程序。

項(xiàng)目地址：https://github.com/programarivm/chess-data

項(xiàng)目介紹

該項(xiàng)目是一組命令行界面（Command-Line Interface，CLI）工具，可幫助管理 PGN 游戲中的象棋數(shù)據(jù)庫(kù)，此外，該工具還可以進(jìn)行數(shù)據(jù)準(zhǔn)備、可視化數(shù)據(jù)和使用 Rubix ML 訓(xùn)練監(jiān)督模型。

所謂的 PGN 就是「可移植式棋局記號(hào)法」（Portable Game Notation），是一種以 ASCII 文本文件表示國(guó)際象棋棋局?jǐn)?shù)據(jù)的標(biāo)準(zhǔn)設(shè)定。PGN 設(shè)計(jì)成使人們很容易進(jìn)行閱讀和編寫，電腦程序很容易進(jìn)行解析和產(chǎn)生。定義和傳播 PGN 的目的，是為了促進(jìn)公開對(duì)局?jǐn)?shù)據(jù)的共享交流，包括來(lái)自全世界的棋手 （不管有無(wú)組織）、出版人和電腦國(guó)際象棋研究的。

接下來(lái)真正的問題是：應(yīng)該給計(jì)算機(jī)提供哪些示例以使機(jī)器學(xué)習(xí)變得更容易？

這個(gè)數(shù)據(jù)準(zhǔn)備存儲(chǔ)庫(kù)主要任務(wù)是將數(shù)百萬(wàn)個(gè)象棋游戲加載到 SQL 數(shù)據(jù)庫(kù)中。作者從 PGN Mentor 中下載了 PGN 文件，PGN Mentor 是一個(gè)用于國(guó)際象棋研究的軟件應(yīng)用程序，同時(shí)還提供了一個(gè)包含數(shù)百萬(wàn)個(gè)游戲的文件集合，并將這些文件復(fù)制到 programarivm/chess-data/data/players 文件夾中。

其實(shí)使用 PHP 為機(jī)器學(xué)習(xí)準(zhǔn)備數(shù)據(jù)集并沒有什么簡(jiǎn)單方法。但實(shí)現(xiàn)過程涉及到不同的技術(shù)，這是關(guān)于對(duì)處理問題的理解、收集和過濾數(shù)據(jù)的最好實(shí)踐過程。

例如，當(dāng)涉及國(guó)際象棋時(shí)，首先你需要過濾和驗(yàn)證游戲，這意味著要?jiǎng)h除那些語(yǔ)法上無(wú)效或包含錯(cuò)誤的游戲。cli/pgn-validate.php 命令查找 PGN 文件中錯(cuò)誤，這條命令在將信息加載到數(shù)據(jù)庫(kù)時(shí)會(huì)被廣泛使用。

示例展示

下面展示了使用該項(xiàng)目設(shè)置和運(yùn)行 MySQL 國(guó)際象棋數(shù)據(jù)庫(kù)，第一步是創(chuàng)建如下所示的象棋數(shù)據(jù)庫(kù)：

$ php cli/db-create.php

然后，按照下面的描述，games 表將被植入有效數(shù)據(jù)。

$ time php cli/db-seed.php data/players? 15 games did not pass the validation.? 3234 games out of a total of 3249 are OK.? 1353 games out of a total of 1353 are OK.? 1900 games out of a total of 1900 are OK.? 776 games out of a total of 776 are OK.? 1 games did not pass the validation.? 1660 games out of a total of 1661 are OK.? 4 games did not pass the validation.。..? 1124 games out of a total of 1124 are OK.? 265 games out of a total of 265 are OK.? 1 games did not pass the validation.? 2099 games out of a total of 2100 are OK.

cli/db-seed.php 命令需要大約 40 分鐘才能加載大約 400，000 個(gè)游戲。

mysql》 select count（*） from games;+----------+| count（*） |+----------+| 402658 |+----------+1 row in set （0，23 sec）

值得一提的是，所有這些都是用 PHP 語(yǔ)言實(shí)現(xiàn)的！

建立好國(guó)際象棋數(shù)據(jù)庫(kù)后，就可以為機(jī)器學(xué)習(xí)算法準(zhǔn)備數(shù)據(jù)。在接下來(lái)的文章中，項(xiàng)目作者將詳細(xì)說(shuō)明如何通過使用多層感知器分類器和該數(shù)據(jù)庫(kù)，進(jìn)行國(guó)際象棋防守、戰(zhàn)術(shù)等的開發(fā)。

責(zé)任編輯：haq