發(fā)簡(jiǎn)信
IP屬地：浙江
-
特征工程-數(shù)據(jù)清洗值數(shù)據(jù)清洗 剛開(kāi)始接觸的數(shù)據(jù)，并不如我們想的那么完美， 數(shù)據(jù)存在缺失值以及一些臟數(shù)據(jù)。數(shù)據(jù)清洗也包括對(duì)數(shù)據(jù)進(jìn)行再處理比如歸一化等。 皮馬印第安人...
-
特征工程-數(shù)據(jù)分類特征工程 將數(shù)據(jù)轉(zhuǎn)換為能更好地表示潛在問(wèn)題地特征， 從而提高機(jī)器學(xué)習(xí)的性能。 定量數(shù)據(jù)和定性數(shù)據(jù) 定量數(shù)據(jù)本質(zhì)上是數(shù)值，應(yīng)該是衡量某樣?xùn)|西的數(shù)量...
-
word2vec一背景 word組成了句子，要想在文本上做一些研究或者工作，首先要解決的問(wèn)題就是word的表示， word如"me", "I", "our"這些...
-
基于策略梯度算法
一 策略梯度法 前面部分的算法都是基于值函數(shù)，無(wú)論是策略迭代，還是Q-Learning，只要能夠得到精確的值函數(shù)，就可以使用Bellman公式求...
-
Q-Learning基礎(chǔ)一 背景 在前面的一小節(jié)中， 涉及到了一種蛇棋的游戲。 我們具有上帝視角，知道環(huán)境運(yùn)轉(zhuǎn)的細(xì)節(jié)，即知道狀態(tài)的轉(zhuǎn)移概率。但是在現(xiàn)實(shí)中，大部分都沒(méi)有這...
-
強(qiáng)化學(xué)習(xí)基礎(chǔ)算法一 背景 該部分主要是講述強(qiáng)化學(xué)習(xí)一些基礎(chǔ)知識(shí)，包括MDP，價(jià)值迭代以及策略迭代。 二 基礎(chǔ) 蛇棋的玩法： 1. 玩家每人擁有一個(gè)棋子， 出發(fā)點(diǎn)...
-
Tensorflow:實(shí)戰(zhàn)Google深度學(xué)習(xí)框架第八章一介紹 該部分主要講述的是循環(huán)神經(jīng)網(wǎng)絡(luò)， 主要分為三部分來(lái)介紹， 循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹、長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(LSTM)結(jié)構(gòu)，對(duì)應(yīng)的一些變種。 二循環(huán)神...
-
Tensorflow:實(shí)戰(zhàn)Google深度學(xué)習(xí)框架第七章一介紹 本章節(jié)主要介紹數(shù)據(jù)預(yù)處理的相關(guān)操作，包括統(tǒng)一輸入數(shù)據(jù)的格式，圖像數(shù)據(jù)的預(yù)處理，多線程的數(shù)據(jù)處理方式，以及Dataset數(shù)據(jù)集API。 二...
-
Tensorflow:實(shí)戰(zhàn)Google深度學(xué)習(xí)框架第六章一介紹 該部分是該書(shū)的第六章，該章節(jié)主要講述了卷積神經(jīng)網(wǎng)絡(luò)， 該章節(jié)主要分為數(shù)據(jù)集介紹，神經(jīng)網(wǎng)絡(luò)介紹，神經(jīng)網(wǎng)絡(luò)的常用結(jié)構(gòu)，當(dāng)前經(jīng)典的模型以及遷移...