IP屬地：廣東
-
推薦算法會(huì)使用的模型Classification Classification分類(lèi)的主要目的就是為我們的數(shù)據(jù)記錄打上標(biāo)簽。分類(lèi)模型主要分為兩大類(lèi)：1.Supervi...
-
推薦系統(tǒng)算法概覽和數(shù)據(jù)預(yù)處理方式推薦系統(tǒng)基礎(chǔ)知識(shí)概覽圖 在進(jìn)行推薦系統(tǒng)構(gòu)建時(shí)，我們主要分為四大步：1.基于數(shù)據(jù)源獲取數(shù)據(jù) 2.對(duì)數(shù)據(jù)進(jìn)行預(yù)處理操作 3.通過(guò)相關(guān)模型對(duì)數(shù)據(jù)進(jìn)行分...
-
Web基礎(chǔ)概述 Web主要由Web服務(wù)器和Web客戶(hù)端組成。Web客戶(hù)端(瀏覽器)通過(guò)Http協(xié)議向Web服務(wù)器發(fā)送請(qǐng)求，Web服務(wù)器接收到請(qǐng)求后便會(huì)對(duì)該...
-
策略梯度(Policy Gradient)簡(jiǎn)述 強(qiáng)化學(xué)習(xí)方法主要分為兩類(lèi)，一類(lèi)是Model-based，另外一種是Model free，如圖所示： 而Model Free中又包含兩種方法...
-
Deep Q-learning Network(DQN)概述 DQN其實(shí)是深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)知識(shí)的結(jié)合，也就是用Deep Networks框架來(lái)近似逼近強(qiáng)化學(xué)習(xí)中的Q value。其中，使用的Deep...
-
時(shí)序差分算法(Temporal-Difference Learning)概述 時(shí)序差分算法是一種無(wú)模型的強(qiáng)化學(xué)習(xí)算法。它繼承了動(dòng)態(tài)規(guī)劃(Dynamic Programming)和蒙特卡羅方法(Monte Carlo ...
-
蒙特卡羅方法(Monte Carlo Methods)概述 蒙特卡羅方法(Monte Carlo Methods)是強(qiáng)化學(xué)習(xí)中基于無(wú)模型的訓(xùn)練方法。與動(dòng)態(tài)規(guī)劃(Dynamic Programming...
-
動(dòng)態(tài)規(guī)劃(Dynamic Programming)區(qū)分Continuing Task和Episodic Task 前一節(jié)我們已經(jīng)解釋了什么是episode，episode即為從初始的狀態(tài)到終止?fàn)?..
-
馬爾可夫決策過(guò)程馬爾可夫?qū)傩?The Markov Property) 說(shuō)到馬爾可夫決策過(guò)程，我們先來(lái)談?wù)勈裁词邱R爾可夫?qū)傩浴ｑR爾可夫?qū)傩缘母拍顬椋合乱粋€(gè)狀態(tài)或...