在一个虚构的纸牌游戏中，有两名玩家，每人被发5张牌（标准52张牌的牌组），之后通过某个任意函数决定赢家。目标是根据每位玩家手中的5张牌预测游戏的结果。训练数据可能看起来像这样：

Player A      Player B      WinnerAsKs5d3h2d    JcJd8d7h6s    17h5d8s9sTh    2c3c4cAhAs    06d6s6h6cQd    AsKsQsJsTs    0

其中，’Player’列表示5张牌的手牌，’Winner’列在玩家A赢时为1，在玩家A输时为0。

对于手牌的顺序应该保持无差异性，这样在训练后，输入镜像数据如：

Player A      Player B2d3d6h7s9s    TsTdJsQc3h

和

Player A      Player BTsTdJsQc3h    2d3d6h7s9s

将会预测出相反的结果。

它还应该对手中牌的顺序无差异性，例如AsKsQsJsTs与JsTsAsKsQs相同，与JsQsTsAsKs等相同。

有什么合理的方法来构建神经网络及其训练数据来解决这样的问题？

回答：

你需要一个有104个输入（玩家数 * 牌数）的网络。前52个输入对应玩家A，接下来的52个对应玩家B。将所有输入初始化为0，然后对于每位玩家拥有的每张牌，将相应的输入设为1。

对于输出层，通常有两种二元分类选项。你可以有一个输出神经元，如果这个神经元的输出大于某个阈值，则玩家A获胜，否则玩家B获胜。或者你可以有两个输出神经元，只需查看哪个输出最高。两种方法通常都有效。

对于训练数据，不再使用像”AsKs5d3h2d”这样的形式，而是需要一个独热编码，例如”0001000001000000100100000100000000011001000000001001″（假设有104个数字，其中10个为1，其余为0）。对于输出数据，你只需要一个1或0来对应谁赢了（在只有一个输出神经元的情况下）。

这将使你的网络对牌的顺序保持不变（给定手牌的所有可能顺序将创建相同的输入）。至于交换玩家A和B的手牌并得到相反的结果，这是任何训练良好的网络自然而然的结果。