جلسهی 21: از بازیکن یاد بگیر Learning from the Player
کامپیوتر حرکتهای بازیکن را با دیکشنری میشمارد، احتمال هر حرکت را حساب میکند (شمار ÷ کل) و با جفتها میفهمد «بعد از سنگ معمولاً چه میزنی».
در این جلسه یاد میگیری
- در پایان این جلسه میتوانی حرکتها را با دیکشنری بشماری.
- میتوانی احتمال را به شکل درصد حساب کنی: شمار تقسیم بر کل.
- میتوانی پرتکرارترین حرکت را پیدا کنی و حرکتی که آن را میبرد بازی کنی.
- میتوانی جدول جفتها («بعد از X، Y») بسازی و با آن پیشبینی کنی.
درس
اسباببازی امروز: ذهنخوان. با دکمهها سنگ، کاغذ یا قیچی بزن. کامپیوتر پیشبینیاش را با یک درصد اطمینان نشان میدهد و حرکتی را میزند که پیشبینیاش را میبرد. حدس بزن: اگر ۱۰ بار پشت هم سنگ بزنی، کامپیوتر بعد از چند دور میفهمد؟ امتحان کن. بعد الگوی «سنگ، کاغذ، سنگ، کاغذ…» را بزن و جدول ۳×۳ را تماشا کن. آخر سعی کن واقعاً بیالگو بزنی: اطمینانش چه میشود؟
دروازهبان خوب قبل از پنالتی به یاد میآورد این بازیکن معمولاً به کدام طرف میزند. کامپیوتر هم همین کار را میکند: میشمارد. یک دیکشنری با سه شمارنده میسازیم و بعد از هر حرکت، شمارندهی همان حرکت را یکی زیاد میکنیم.
moves = ["rock", "rock", "paper", "rock"]
counts = {"rock": 0, "paper": 0, "scissors": 0}
for move in moves:
counts[move] += 1
print(counts)احتمال یعنی شمار هر حرکت تقسیم بر کل حرکتها. اگر از ۴ حرکت ۳ تا سنگ بوده، احتمال سنگ 3 / 4 یعنی ۷۵ درصد است. با * 100 // total درصد را عدد صحیح میکنیم. input().split() هم یک خط مثل rock paper rock را به لیست کلمهها تبدیل میکند.
moves = "rock paper rock rock".split()
total = len(moves)
rock = moves.count("rock")
print("rock:", rock * 100 // total, "%")آدمها فقط حرکت محبوب ندارند؛ عادت هم دارند: خیلیها بعد از باختن با سنگ، کاغذ میزنند. پس جفتها را میشماریم: «بعد از سنگ چه زد؟». یک دیکشنری از دیکشنریها: after["rock"]["paper"] یعنی چند بار بعد از سنگ، کاغذ آمده. حرکت قبلی را در last نگه میداریم.
moves = ["rock", "paper", "rock", "paper", "rock"]
after = {}
for m in ["rock", "paper", "scissors"]:
after[m] = {"rock": 0, "paper": 0, "scissors": 0}
last = moves[0]
for move in moves[1:]:
after[last][move] += 1
last = move
print("after rock:", after["rock"])بازی بدون کامپیوتر (سهنفره): دو نفر ۲۰ دور سنگکاغذقیچی بازی میکنند. نفر سوم «کامپیوتر» است: روی کاغذ یک جدول ۳×۳ «بعد از… زد…» دارد و هر دور تیک میزند. قبل از هر دور، پیشبینیاش را دربارهی بازیکن اول یواشکی مینویسد. آخر بازی میشمارد چند پیشبینی درست بود. بیشتر از ۷ از ۲۰؟ یعنی بازیکن الگو داشت!
⚠️ عادتهای تو هم شمرده میشوند. برنامهها میشمارند چه ساعتی آنلاینی، چه ویدیویی را تا آخر میبینی و روی چه چیزی کلیک میکنی، و از آن برای پیشبینی (و فروختن چیزی به تو) استفاده میکنند. بدان چه چیزی را به چه برنامهای میدهی. و یادت باشد: پیشبینی فقط حدس از گذشته است؛ آدمها میتوانند عوض شوند. در پروژهی جلسهی ۲۴ همین شمارش، مغز سنگکاغذقیچی ذهنخوان میشود.
مثالهای این جلسه
- مثال دیکشنری در پایتون: counts = {"rock": 0, "paper": 0, "scissors"…
- مثال رشته در پایتون: moves = "rock paper rock rock".split()
- مثال دیکشنری در پایتون: after[m] = {"rock": 0, "paper": 0, "scissor…
چالشها
- How Likely Is Rock? (آسان)
- Count the Moves (آسان)
- Move Percentages (متوسط)
- Beat the Favourite (متوسط)
- What Comes After? (سخت)
- How Good Is the Mind Reader? (سخت)
بیشتر بخوان
- دیکشنری در پایتون: آموزش کامل کلید و مقدار با مثال
- رشته در پایتون: آموزش کامل string با مثال و جدول متدها
← جلسهی 20: پروژه: بازیای که خودش یاد میگیرد جلسهی 22: بازی منصف و سالم →