- 博客(145)
- 收藏
- 关注
RSS订阅原创 安装时报“Cannot open.......”、“Permission denied”等问题的解决
安装时报“Cannot open.......”、“Permission denied”等问题的解决
2023-08-18 22:40:35
3065
2
原创 （《机器学习》完整版系列）第5章 神经网络——5.4 BP算法的高级表达（简洁之美）
对数学成绩好的同学，可以学习BP算法的高级表达，即由向量和矩阵表达BP算法中的公式。
2023-04-12 16:40:19
260
1
原创 （《机器学习》完整版系列）第16章 强化学习——16.12 逆强化学习（逆是指回到条件中）
现在，强化学习任务的条件中，奖赏函数未知，用线性函数（近似地）表达奖赏函数（其参数未知）。逆强化学习是指学习的内容是强化学习任务某条件。基于“人类专家具有最优性”这一假定，以及多目标优化理论，交替地迭代出最优奖赏函数。
2023-03-28 09:14:04
641
原创 （《机器学习》完整版系列）第16章 强化学习——16.11 直接模仿学习
借助人类专家曾经的决策轨迹数据，进行模仿学习是一个很好的思路，特别是可作为初始化手段。广泛收集人类专家在该任务中，形成的数据集。 这样，就可以用分类（离散时）或回归（连续时）算法学习出一个确定性的策略，再以此为基础就可以学习出一个概率性策略。
2023-03-28 08:50:51
180
原创 （《机器学习》完整版系列）第16章 强化学习——16.10 值函数近似
函数近似：以某种已知曲线（含参数）逼近未知函数。现在：未知函数为 值函数，已知函数取线性函数
2023-03-28 08:36:13
206
原创 （《机器学习》完整版系列）第16章 强化学习——16.9 时序差分学习（Sara算法与Q-学习算法）
前述蒙特卡罗试验并没有限定轨线长度，现在把焦点放在最短轨线上：新增一步蒙特卡罗试验产生的长度为1的轨线。由于取长度为1的蒙特卡罗试验轨线（单步），即可更新一次，不再需要计数变量
2023-03-27 17:31:12
283
原创 （《机器学习》完整版系列）第16章 强化学习——16.8 异策略蒙特卡罗强化学习算法（换分布）
通过换分布进行蒙特卡罗试验（采样）来实现。求期望时“换分布”的想法及公式，有点像求对数时的“换底”
2023-03-27 17:05:19
291
原创 （《机器学习》完整版系列）第16章 强化学习——16.7 同策略蒙特卡罗强化学习
自由地执行一次长度为TT蒙特卡罗试验（并不限定起点），就可以依迭代式对该试验轨线上所有点作一次更新，依结果，对策略进行一次优化。将ϵ-贪心算法修改为同策略蒙特卡罗强化学习算法
2023-03-27 16:43:05
155
原创 （《机器学习》完整版系列）第16章 强化学习——16.5 策略改进（单调递增有界序列必收敛）
有模型策略估值算法可得到所有状态在给定策略下的值，这样就可以对多个策略进行比较选优，不断地调整策略，使其达到最优。方法：构造出“勉强”的单调递增有界序列（对应策略序列），利用单调递增有界序列必收敛的定理进行推导。
2023-03-27 11:36:45
128
原创 （《机器学习》完整版系列）第16章 强化学习——16.4 有模型策略估值算法
已知策略，计算执行该策略获得的（平均）奖赏，即是策略估值，本篇利用Bellman等式【西瓜书式(16.7)(16.8)】进行策略估值。
2023-03-27 10:51:22
130
原创 （《机器学习》完整版系列）第16章 强化学习——16.3 有模型的迭代式的详细推导（并更正一些错误思路）
本篇详细推导出值函数的递归等式，称为贝尔曼方程（Bellman等式）。
2023-03-27 10:15:06
161
原创 （《机器学习》完整版系列）第16章 强化学习——16.2 K-摇劈赌博机的贪心算法（赌博当然贪心）
赌博当然贪心，所以有贪心算法。常常面临“探索-利用”窘境，贪心算法即是在二者间进行概率分配。
2023-03-27 08:27:44
260
原创 （《机器学习》完整版系列）第16章 强化学习——16.1 任务与奖赏（从MDP出发）
在马尔可夫决策过程中，“两阶段模型”是笔者独创的模型图，非常有利于教与学。定义了γ折扣累积奖赏与T步累积奖赏
2023-03-26 09:21:15
242
原创 （《机器学习》完整版系列）第15章 规则学习——15.11 基于逆归结的机器证明
把求证问题转化成一个子句集：将条件“分拆”为析取式，并加入结论的否定式，利用置换和消解得到消解式，将消解式放入子句集中，但并不删除子句，继续消解直至得到空子句，从而得证。
2023-03-25 22:25:45
162
原创 （《机器学习》完整版系列）第15章 规则学习——15.10 归纳逻辑程序设计之逆归结
在命题逻辑中我们讨论了归结与逆归结，这里我们将其推广到一阶逻辑中一阶逻辑的归结、逆归结通常用到“置换”和“合一”操作逆结归的特点之一就是能自动发明新谓词，但新谓词的语义需要领域知识进行理解
2023-03-25 22:09:08
379
原创 （《机器学习》完整版系列）第15章 规则学习——15.9 归纳逻辑程序设计之最小一般泛化
完备性与一致性有四种组合泛化是具体化和实例化的反面，就是使其更一般化，从“多条具体事实（或规则）”中得到更一般化的“一条规则”，要求该规则不与这些事实矛盾或尽可能少矛盾。
2023-03-25 21:41:36
259
原创 （《机器学习》完整版系列）第15章 规则学习——15.7 FOIL算法（找出含逻辑变量的公式）
将基于“属性值”的训练集调整为基于“属性值比较”的训练集。对样本集进行学习，就是设法找出含逻辑变量的公式（集）。
2023-03-25 07:17:41
423
原创 （《机器学习》完整版系列）第15章 规则学习——15.5 剪枝优化(预剪枝（阻止生长）和后剪枝（“由长变短”）)
将规则的“由短变长”的过程看成是树枝生长过程，那么，对树就有剪枝，包括预剪枝（阻止生长）和后剪枝（“由长变短”）。剪枝过程涉及到规则的取舍，可以用统计显著性检验
2023-03-22 18:20:01
219
原创 （《机器学习》完整版系列）第15章 规则学习——15.4 序贯覆盖（规则集与数据集）
在训练集中，学到一条规则后，将这条规则所覆盖的样例（满足规则的样例，或叫支持该规则的样例）全去掉，形成一个较小的训练集，再在其上进行规则学习，直至训练集为空，这就是序贯覆盖法。
2023-03-22 17:52:48
214
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