スログラミング

導入日が延期されていた６号機ジャグラーですが、導入日は12月14日になったというニュースが流れていますね。 最も気になるのはスペックだと思いますが、こちらは ㈱北電子さんのホームページ 上で公開されており、以下のような数値になっています。 ㈱北電子さんのホームページ( https://www.kitadenshi.co.jp/slot/ )から引用 次に気になるのは設定差の部分かと思いますが、ジャグラーシリーズといえばメイン小役のぶどう確率に設定差が設けられていることが有名です。 残念ながら、小役確率はまだ公表されていませんが、ユーザーとしてはぜひとも知りたい情報ですよね。 ということで、今回は ６号機ジャグラーのぶどう確率を推測 してみたいと思います。 スペックから逆算する方法が王道かと思いますが、シミュレーションを使って泥臭く求めてみます。 作成するプログラムは↓のようなイメージです。 ぶどう確率を6.00~7.00まで変化させたときの出玉率を計算した後、近似式を利用して出玉率が設計値になるぶどう確率を算出します。 ※公表されている出玉率の算出方法が不明であったり、ぶどう以外の小役確率は適当な推測値を入力していますので、今回の結果が正しいものとは限りません。 近似式とは 近似式は、ばらつきをもったデータの傾向を知るのに有効な手法です。 ご存じのようにスロットの出玉率は膨大な試行を行わないと設計値に収束しません。 そのため、今回取得したデータも下図のようにばらつきを持った結果となります。 ぶどう確率の推測精度をあげるためには、ばらつきを持ったデータをそのまま信用するのではなく、ぶどう確率と出玉率の傾向をつかむ必要があるため、近似式を利用します。 今回はぶどう確率を振る範囲が狭く、データの傾向もほぼ線形で近似できると思うので、一次近似式を利用したいと思います。 本日のアジェンダはこちら。 1. ぶどう確率を変化させた時の出玉率をシミュレーション 2. 一次近似式を求める 3. 出玉率が設計値になるぶどう確率を算出 4. 今回作成したコード 5. 結果の確認 1. ぶどう確率を変化させた時の出玉率をシミュレーション では早速、ぶどう確率を変化させた時の出玉率をシミュレーションを行います。 とは言っても、以前作成した

突然ですが、ジャグラーで↓のスランプグラフの時、設定はいくつだと思いますか？ きっと大多数の方が「設定６」と答えるのではないでしょうか？ では、こちらはどうでしょう？ はい、「設定１」ですよね。 これってたぶん、我々スロッターの頭の中では過去に見てきたたくさんのスランプグラフが脳にインプットされていて、そこから今見たスランプグラフがどの記憶に似ているかで判断していると思います。 今回はこれをコンピュータにやらせてみたい！ ということで、スランプグラフから設定判別してくれるなんちゃってAIを作成したいと思います。 (あくまでも素人が思いつきで作ったようなレベルなので、緩い目でご覧ください。) 今回はマイジャグラーⅢを例に、スランプグラフの傾向から設定判別してみます。 はじめに 今回は以下の流れで実験を行います。 1. 判別したいスランプグラフを作成 2. 設定ごとのビッグデータ(スロッターの脳にあるたくさんのスランプグラフの記憶)を作成 3. 判別したいスランプグラフに似た傾向がビッグデータ内にどれくらいあるかを確認 4. 各設定のビッグデータ内で、近いデータがいっぱい見つかった設定が今回の設定！（のはず。） 当然「3. 判別したいスランプグラフに似た傾向がビッグデータ内にどれくらいあるかを確認」が最も大事になってきますが、今回は「相互相関」という手法を使って検証していきます。 どうやってスランプグラフの傾向を評価するか？(相互相関) 「相互相関」とは、ある2つのデータの類似度を評価する手法です。 例によってpythonでは↓の1行で計算してくれるわけですが、せっかくなので中身の計算のイメージだけでもつかんでおきたいと思います。 np.corrcoef(ビッグデータから1日分抜き出したデータ, 1日分のスランプグラフ)[0,1] 「相互相関」の中身の計算は、「内積」とほぼ同じなので、「内積」の計算について説明します。 「内積」は線形代数で勉強したあの「内積」で、以下の計算式で求められます。 ↑の式をcosθの式に直すと、↓のようになります。 この式が「相互相関」でやっていることとほぼ同じです。 ちょっと式を見てもわからないので、下図に例を計算してみました。 ベクトルだと考えると理解しにくいですが、スランプグラ