發(fā)簡信
IP屬地：廣東
-
強化學習中on-policy和off-policy方法
什么是策略？ 一個確定性策略定義了一個從行動空間到狀態(tài)空間的函數(shù)。在實際應用中，一個策略的輸出常常是一個概率分布，表示在狀態(tài)下采取每一個動作的概...
-
強化學習中的model-free和model-based算法
Model-based強化學習通過一個代理（agent）來嘗試理解環(huán)境，并且建立模型來表示這個代理。這個模型希望學習到兩個函數(shù)： 狀態(tài)轉移函數(shù)（...
-
Adam優(yōu)化算法簡介背景介紹 在機器學習中，對每一個數(shù)據(jù)點，我們通過最小化經(jīng)驗風險來從數(shù)據(jù)中學習，其中是模型的參數(shù)。對整個訓練集，目標函數(shù)即為對應的梯度為然而，當很...
-
支持向量機系列（一）——線性可分情形下的SVM
Linear Support Vector Machines in the Linearly Separable Case Problem De...
-
神經(jīng)網(wǎng)絡簡介BP神經(jīng)網(wǎng)絡結構 我們知道單層感知機（perceptron）的局限性：它無法解決異或（XOR）問題，或者其它線性不可分問題。考慮下圖的數(shù)據(jù)集的分...
-
動態(tài)規(guī)劃簡介
動態(tài)規(guī)劃（Dynamic Programming， DP）算法采用遞歸的方式，將較復雜的原問題分解為較為簡單的子問題，以求解原問題。 適用情況 ...
-
LightGBM簡介
LightGBM LightGBM（Light Gradient Boosting Machine）是一款基于決策樹算法的分布式梯度提升框架。為...
-
XGBoost簡介
XGBoost Extreme Gradient Boosting(XGBoost)是由華盛頓大學（University of Washingt...
-
Logistic Regression與Logistic Loss簡介Logistic Regression 在線性回歸中，我們尋找的連續(xù)型隨機變量和的函數(shù)關系式為：，其中為待估參數(shù)（包含截距項，即，），為隨機誤差...