- 博客(2)
- 收藏
- 关注
RSS订阅原创 JoyRL学习笔记（绪论、马尔科夫决策过程、动态规划）
马尔可夫性质（Markov property）是指一个随机过程在给定现在状态及所有过去状态情况下，其未来状态的条件概率分布仅依赖于当前状态。如上图所示，强化学习的关键就在于智能体和环境的交互，假设在某个给定的环境下，能采取的所有动作的集合被称为动作空间（action space）。γ为折扣因子，一方面可以通过设置它的大小来减少未来奖励的权重，另一方面对于一些并非有限回合结束的交互，可以通过设置γ来避免无穷的奖励。策略迭代先固定策略π，估计状态价值函数V，推算动作价值函数Q，优化Q，改进π。
2023-11-15 20:57:08
84
1
原创 2023“SEED”第四届江苏大数据开发与应用大赛--新能源赛道竞赛学习笔记1
最后按照baseline跑通模型，由于使用lightgbm，数据无须归一化和onehot，直接带入模型即可，得到的结果传后RMSE分数为240.5，另跑了一个随机森林回归模型，按照各0.5的权重融合模型，最后得到分数为234.1，目前排名46。其次是预处理：本次竞赛虽然是时间序列，但根据数据的类型可以得知，可能更适合树模型，因此首选从时序中再次提取新的时序特征，如：季度、月、是否为周末等特征。下一步准备按照直播中的方法加入一些外部数据作为特征，以及融合模型，尝试得到更好的结果。
2023-10-18 11:38:49
186
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人