使用SlopeOne算法来预测玩家是否可以在游戏中完成一个关卡？

Question

我打算用SlopeOne算法来预测玩家是否能完成游戏中给定的关卡？在

以下是场景：

1. 很多玩家都在游戏中尝试完成100关。在
2. 每个玩家都可以玩一个关卡，直到他们越过关卡。在
3. 系统会跟踪级别以及每个级别的重试次数。在
4. 每个游戏关卡分为三类（简单，中等，困难）
5. 各等级的大致分布是33%，这意味着33%的等级是容易的，33%的等级是困难的等等

使用此信息：

当一个新玩家开始玩这个游戏，在几关之后，我想能够预测 玩家可以轻松越过哪个关卡，哪些关卡他/她不容易跨过。在

有了这种预测能力，我想呈现的游戏水平，用户将能够通过50%的概率。在

我可以使用SlopeOne算法吗？在

原因是我发现我想和电影分级系统有很多相似之处。在

n个用户、m个项目和n个评分，以预测给定项目的用户评分。在

同样，在我的情况下，我

n个用户，m个级别和n次重试。。。在

唯一的区别是在电影分级系统中，分级是固定在1-5级，在我的例子中，重试次数可以是1-x（x可以高达30次）

虽然理论上有人可以重试30次以上，但现在我可以先将上限固定在30次，等有了更多数据后再进行调整。在

谢谢。在

Answer 1

我想它可能会工作，但我会首先将log应用于尝试的次数（您不能执行log（0），因此重试将不起作用）。如果有人觉得某个关卡很容易，他们会尝试一两次，而觉得难的人通常要反复做。1次成功与2次成功的区别远大于20次对21次。这将消除对goes值的任意限制的需要。在

Answer 2

我不知道这个算法有多合适，但我在pythonhttp://www.serpentine.com/blog/2006/12/12/collaborative-filtering-made-easy/中实现它时发现了这一点