基于机器学习的Wordle预测方法

作者：向绍俊; 陈贵词; 张静; 李泽鹏

来源：2023-03-20, 中国, CN202310268049.4.

本发明公开了基于机器学习的Wordle预测方法,涉及游戏结果预测技术领域,其技术方案要点是：具体包括以下步骤：S1：数据预处理；S2：建立自回归时间序列模型(ARIMA),对已经存在的数据进行分析,并预测未来一天的报告数量；S3：给予单词属性计算出相关性系数；S4：建立随机森林(RF)模型,确定最优模型的超参数,求出影响百分比的相关特征,根据特征的重要性进行排序,求出百分比；再利用最优模型,对EERIE一词的百分比进行预测；S5：采用高斯混合聚类模型对多个等级进行聚类,将样本分为三个标签,通过KNN算法模型对单词难度进行分类预测,最后确定给定单词的预测等级。该预测方法考虑了多种属性对报告分数百分比的影响,使相关性分析得出的结果更准确。

• 单位
  武汉科技大学