進到 Github 頁面 後,可以在底下 Downloads 的位置找到最新版的 Windows 與 macOS 安裝檔,下載後執行就可以啟動程式了。
打開程式後會先進到遊戲選擇的介面,點選「玩遊戲」後就可以進到積木編輯介面了。
基礎的積木操作方法與線上平台相似,不熟悉的使用者可以先參考 平台操作說明 以及 基礎積木介紹 的部分。
而與線上平台最大的不同的在於右上角選項的部分,以下會一一介紹每個選項的功能:
建立模型的積木有兩種,第一種是分類模型,預測的結果為類別;第二種是迴歸模型,預測的結果是數值。使用者可以依照自己對於遊戲的理解以及選用的策略,選擇建立不同的模型。
模型的訓練需要準備訓練資料以及相對應的訓練目標,以下我們以訓練一個可以判斷兩個數字加起來是否大於 0 的分類器為例。
首先我們準備了 5 筆資料放在一個清單中,每筆資料也都是一個包含兩個數字的清單,注意每筆資料的長度都必須是一致的,另外就算每筆資料的只有一個數值,也需要包在清單當中。
接著我們建立了相對應的類別,類別可以是數字,也可以是文字,但一定要跟訓練資料的數量是一樣的,就像是這個範例中數量同樣都是 5 筆。
接這我們就可以放到建立的模型去訓練,合起來就會像下圖這樣。
迴歸模型的訓練也是類似的,例如我們把訓練目標改成兩個數字加總的值的話,可以改成像下圖這樣去訓練。
模型訓練完畢後,我們就可以拿來預測新的資料,預測的資料可以很多筆,但每筆資料一定要跟當初的訓練資料的長度是一致的。以下圖為例,我們可以讓剛剛訓練的模型一次預測 3 筆資料,但每筆資料一定都要是包含兩個數字的清單。
儲存積木可以讓我們在程式運行中,把希望被保存下來的資料或訓練好的模型儲存成檔案,例如執行完上圖的積木後,就會在之前設定的「資料存取位置」產生下圖的檔案。
讀取積木可以將之前保存在檔案的資料或模型讀取回來,例如可以像圖中從 模型-03
的檔案讀取我們已經訓練好的模型,並且直接用來預測新的資料。
要使用機器學習遊戲模型玩遊戲,我們需要先產生出訓練資料,再來訓練模型,最後利用模型預測出來的數值玩遊戲。以下分別說明此三步驟。