机器学习
文章平均质量分 84
知还~
这个作者很懒,什么都没留下…
展开
-
强化学习-DQN-走迷宫实战
该算法核心原理是Q-Table,其行和列表示State和Action的值,Q-Table的值Q(s,a)是衡量当前States采取行动a的重要依据。RL:面对一个不断变化的的状态空间,解决决策问题,找到在当前环境状态下最佳决策是什么。输入一个动作状态,尝试输出关于s、a的动作状态值函数值。由于机器会失误,所以我们在更新新的奖励状态时取之前的一部分与新的一部分。其中最重要的特征:动作与状态、状态转移、奖励、策略、环境。即:最大折扣化奖励的平均值,预期效益。R1即现在走到的这个状态的奖励值。原创 2023-08-13 21:08:08 · 1472 阅读 · 1 评论 -
异常检测-机器学习算法
查看未标记的正常事件数据集从而学会检测异常或异常事件发出危险信号。一些数据,从x[1~m]通常假设这m个样本都是正常的,然后通过异常检测算法检测一个新样本数据是否异常。原创 2023-08-06 20:03:05 · 95 阅读 · 1 评论 -
KMeans聚类算法
KMeans:无监督学习、用于分类处理。在数据中寻找一种特定类型的结构。查看大量数据点,自动找到彼此相关或相似的数据点。K-Means算法的思想很简单,对于给定的样本集,按照样本之间的距离大小,将样本集划分为K个簇。让簇内的点尽量紧密的连在一起,而让簇间的距离尽量的大。random_state 相当于随机数种子random_state 与 random seed 作用是相同的。设置了随机种子的值后,那么当别人重新运行你的代码的时候就能得到完全一样的结果,复现和你一样的过程。原创 2023-08-05 16:40:48 · 900 阅读 · 1 评论