(1): 什么是NAGA：
NAGA是麻将AI，类似的AI有Mortal，Akochan。新版本NAGA可以基于恶手率和NAGA一致率给牌谱打分，即NAGA度，以下图片为打分样例：

(2): 数据集
从11月8日到11月24日，打了42个半庄，以下是用NAGA分析后的一些原始数据截图：
（NAGA模式全部选用为ニシキ标准型）


因为样本量过少（42个半庄），所以只是一个很粗略的数据统计，偏差值可能比较大，仅供参考。
以下是一些个人总结：
<1>: 玉之间平均NAGA度约为80.39（同桌1+同桌2+同桌3分数的平均值），加入我的数据后平均NAGA度约为82.33(同桌1+同桌2+同桌3+我的分数的平均值)。因为统计样本过少，所以每多加入一个人的数据，就会对平均值产生一定影响。因此玉之间平均NAGA度仅供参考。
<2>: 顺位对NAGA度的影响不大，简单来说就是并不是吃一就分高，吃四就分低。吃一分也可以很低，也就是鸡打狗摸，相反吃四分也可以很高，也就是运气不好。
<3>: 关于NAGA度和段位的关系：根据NAGA官方给的段位NAGA度分布图，如果玉之间取80-82平均分对标天凤段位，那大概是上级(3段)和特上(4段)之间的强度。然而是否能这样简单的对标，我个人是持怀疑态度的。如果按照NAGA官方给的表对标，我个人平均分88左右，接近八段，然而事实上我自认为自己远不及八段，可能也就四段水平。出现这种情况可能是样本量过少（42半庄），导致个人NAGA平均得分偏高。如果样本量能到1000+半庄，数据会相对稳定些。
<4>: 关于NAGA（普通型）一致率和恶手率：个人感觉，NAGA对于一致率和恶手率的评价基于局收支理论，因此只要牌效正常+攻防正常，NAGA度就会有比较高的分数。除了局收支外，NAGA也会电报，喂牌等操作。然而由于牌谱不会保存卡顿信息，所以涉及卡顿读牌等切牌时，NAGA会出现判断偏差（当然这种情况很少）。
<5>：关于NAGA是否有用：因为普通型NAGA基于局收支理论，所以有些何切当局收支理论站不住脚时，NAGA的表现可能不如人类。因此光看NAGA能学到的东西有限，至少对我来说是有限的。结合NAGA和问高段何切是一个不错的学习方法，毕竟当个人水平还不足以理解AI时，至少问高段可以得到解释。
<6>: 这个月NP花完了，之后会继续统计数据