機械学習を利用して、バタイユゲームのデータから史実の勝敗を予想してみる。
もちろん、ゲームの勝敗は無理である。しかし、ゲームが再現しようとしている環境
から史実の勝敗が予想できるのか興味があった。そこで、試してみた。
１．基本データ
バタイユゲーム情報班のホームページで紹介してきたゲーム概要に
次の情報が入っている。
・ゲームマップ ：縦横のHEX数
・ゲームユニット：両軍の歩兵大隊、騎兵連隊、砲兵中隊の数
・ゲームターン：メインシナリオのターン数（時間に相当）
・史実データ：勝利者、フランス軍と連合軍の司令官
２．参考にした機械学習
実践 ロジスティック回帰である。ここでは、キノコのデータから毒キノコか
食用キノコかの分類問題が説明されている。
同様に上記１の基本データを基に、未知のゲームの史実勝敗を予測する。
なお、ロジスティク回帰は２択の分類である。そこで、今回は、次の２段階で
勝敗を予想する。
・勝つかどうかの２択で分類（”勝ち” と ”引き分けか負け”）
・負けるかどうかの２択で分類（”負け” と ”引き分けか勝ち”）
３．入力データ
下図のファイルをｃｓｖファイルで保存したもの。（コードをUTF-8に変更）
なお、不要な標題や不備のデータは、pythonのプログラムで削除する事にした。
前回のバタイユゲームのプレイ時間予想で使った下記（A)のデータの他に（B）を追加している。
（A）戦場の大きさ、両軍の規模、戦いの時間
（B）両軍の司令官・国、と勝利者
データが不足して除外するアブキールを除くと、フランス軍の勝ち、負け、引き分けの数は、
２８勝１４敗６引き分けである。
４．JupyterNotebookでコーディングした例
（１）フランス軍の勝ち予想
上図赤枠の混同行列array([[14,6],[3,25])とあるが、この数字の意味は次の通りである。
史実が勝ち以外の場合（２０）＞ 予想が勝ち以外となったが１４、 予想が勝ちとなったのが６
史実が勝ちの場合（２８）＞ 予想が勝ち以外となったのが３、 予想が勝ちとなったのが２５
このモデルの性能評価は、以下の通り。いずれも８０％を超えており、悪くない。
正解率＝（勝ち以外と勝ちの正しい予想数）÷（全体の予想数）
＝（１４＋２５）÷（１４＋６＋３＋２５）＝０．８１２５
勝ちの適合率＝（勝ちの正しい予想数）÷（勝ちの予想数）
＝２５÷（６＋２５）＝０．８０８５
勝ちの再現率＝（勝ちの正しい予想数）÷（史実の勝ち数）
＝２５÷（３＋２５）＝０．８９２９
下図は、２つのゲームについて予想したものである。１番目は未知の（訓練データに含めていない）ノーヴィ、
２番目は訓練データに含めたシェンカーバンである。
予想はどちらも勝利（array[1,1]で１番目が１（勝ち）、２番めも１（勝ち））である。
史実は、２つとも勝ち以外なので、的中率は０％である。
次回へつづく
＜個人的な感想＞
思った以上に、訓練データの正解率が８１．２５％と高い。しかし、ノーヴィとシェンカーバンで予想が
外れたのは残念である（勝ちの適合率が８０．８５％なのに・・・）。