IP屬地：廣東
-
推薦算法會使用的模型Classification Classification分類的主要目的就是為我們的數(shù)據(jù)記錄打上標簽。分類模型主要分為兩大類：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)知識概覽圖 在進行推薦系統(tǒng)構(gòu)建時，我們主要分為四大步：1.基于數(shù)據(jù)源獲取數(shù)據(jù) 2.對數(shù)據(jù)進行預(yù)處理操作 3.通過相關(guān)模型對數(shù)據(jù)進行分...
-
Web基礎(chǔ)概述 Web主要由Web服務(wù)器和Web客戶端組成。Web客戶端(瀏覽器)通過Http協(xié)議向Web服務(wù)器發(fā)送請求，Web服務(wù)器接收到請求后便會對該...
-
策略梯度(Policy Gradient)簡述 強化學(xué)習(xí)方法主要分為兩類，一類是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其實是深度學(xué)習(xí)和強化學(xué)習(xí)知識的結(jié)合，也就是用Deep Networks框架來近似逼近強化學(xué)習(xí)中的Q value。其中，使用的Deep...
-
時序差分算法(Temporal-Difference Learning)概述 時序差分算法是一種無模型的強化學(xué)習(xí)算法。它繼承了動態(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)是強化學(xué)習(xí)中基于無模型的訓(xùn)練方法。與動態(tài)規(guī)劃(Dynamic Programming...
-
動態(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)到終止狀...
-
馬爾可夫決策過程馬爾可夫?qū)傩?The Markov Property) 說到馬爾可夫決策過程，我們先來談?wù)勈裁词邱R爾可夫?qū)傩?。馬爾可夫?qū)傩缘母拍顬椋合乱粋€狀態(tài)或...