Este proyecto se centra en el análisis de manos de póker y el desarrollo de un modelo predictivo para la mejor jugada en una mano dada. El póker es un juego de cartas ampliamente jugado y estudiado, y este proyecto busca calcular las probabilidades de obtener diferentes manos de póker y mejorar la toma de decisiones en el juego mediante un modelo predictivo.
Acerca de este archivo
Cada registro es un ejemplo de una mano que consiste en cinco cartas extraídas de una baraja estándar de 52. Cada carta se describe utilizando dos atributos (palo y rango), para un total de 10 atributos predictivos. Hay un atributo de clase que describe la "mano de póker".
Información de atributos:
- S1 - "Suit of card #1" Ordinal (1-4) que representa {Corazones, Picas, Diamantes, Clubes}
- C1 - "Rango de la carta #1" Numérico (1-13) que representa (As, 2, 3, ... , Reina, Rey)
Y asi sucesivamente...
El proyecto tiene dos objetivos principales:
-
Cálculo de Probabilidades de Manos de Poker: Calcular las probabilidades de obtener diferentes manos de póker, como escaleras, color, tríos, etc. Esto proporcionará información valiosa para los jugadores interesados en la estrategia del juego.
-
Desarrollo de un Modelo Predictivo para la Mejor Jugada: Crear un modelo de aprendizaje automático que pueda predecir la mejor jugada en una mano de póker dada. Este modelo puede ayudar a los jugadores a tomar decisiones informadas durante el juego.
/data
: Contiene los datos originales sin procesar./notebooks/exploratory
: Jupyter notebooks para el análisis exploratorio de datos./notebooks/modeling
: Jupyter notebooks para el desarrollo de modelos./src/data_processing
: Código para el procesamiento de datos (si es necesario)./src/modeling
: Código relacionado con el desarrollo del modelo (si es necesario)./results/exploratory
: Resultados y visualizaciones del análisis exploratorio./results/model_evaluation
: Resultados y visualizaciones de la evaluación del modelo.
Para aprovechar al máximo este proyecto, sigue estos pasos:
- Configuración del Entorno: Asegúrate de tener Python instalado en tu sistema y configura un entorno virtual para este proyecto.
# Crear un entorno virtual
python -m venv myenv
# Activar el entorno virtual (Linux/macOS)
source myenv/bin/activate
# Activar el entorno virtual (Windows)
myenv\Scripts\activate
-
Obtención de Datos: Dataset
-
Análisis Exploratorio de Datos: Explora los Jupyter notebooks en el directorio
/notebooks/exploratory
para comprender la distribución de las manos de póker y las probabilidades calculadas. -
Desarrollo de Modelos: Explora los Jupyter notebooks en el directorio
/notebooks/modeling
para conocer cómo se ha desarrollado el modelo predictivo. -
Entrenamiento del Modelo: Si deseas entrenar tu propio modelo, sigue las instrucciones proporcionadas en el notebook correspondiente.
-
Evaluación del Modelo: Comprende cómo se evalúa la precisión del modelo y cómo puedes aplicarlo a manos de póker reales.
-
Resultados y Visualizaciones: Examina los resultados y visualizaciones en los directorios
/results/exploratory
y/results/model_evaluation
para obtener información adicional sobre el proyecto.
Utiliza este proyecto como una herramienta para mejorar tu comprensión de las probabilidades en el póker y tu capacidad para tomar decisiones informadas durante el juego. ¡Diviértete explorando y aprendiendo!
Asegúrate de tener instaladas las siguientes dependencias de Python para ejecutar este proyecto:
- NumPy - NumPy es una biblioteca fundamental para la programación numérica en Python. Proporciona soporte para arreglos multidimensionales y operaciones matemáticas de alto rendimiento. Puedes instalar NumPy utilizando el comando
pip install numpy
. - [Nombre de la dependencia 2](enlace a la documentación o página de descarga) - Descripción breve de la dependencia 2.
- [Nombre de la dependencia 3](enlace a la documentación o página de descarga) - Descripción breve de la dependencia 3.
Puedes instalar estas dependencias utilizando el archivo requirements.txt
incluido en este repositorio. Ejecuta el siguiente comando para instalar todas las dependencias:
pip install -r requirements.txt
Para cualquier pregunta o comentario, no dudes en ponerte en contacto conmigo en mis redes sociales