机器学习
文章平均质量分 51
thomashtq
以诚使心静,静心方能潜修,苦修以悟道,道悟则万法皆通!
展开
-
深度强化学习与 Deep Q-Learning(DQN)
本文中我们来探讨一下深度强化学习(以DQN为主)的基本原理。这里假设读者对强化学习的基本原理与神经网络的基本知识已经有了一定的了解。 Deep Q-Learning Double DQN 带有优先回放的 DQN( Prioritized Replay Buffer) Dueling DQN 解决 DQN 的冷启动问题 Distributional DQN Noi...转载 2019-11-10 16:53:08 · 1068 阅读 · 0 评论 -
机器学习的最佳入门学习资源
这是一篇很难写的文章,因为我希望这篇文章能对学习者有所启发。我在空白页前坐下,并且问自己了一个很难的问题:什么样的库、课程、论文和书籍对于机器学习的初学者来说,是最好的。 文章里到底写什么、不写什么,这个问题真的让我很烦恼。我必须把自己当做一个程序员和一个机器学习的初学者,站在这个角度去考虑最合适的资源。 我找出了每个类型中最适合的资源。如果你是一个真正的初学者,并且乐意于开始了解机器转载 2015-01-07 10:16:28 · 7207 阅读 · 0 评论 -
机器学习Python编程环境搭建
引言 使用Python作为机器学习的编程工具,具有很多优点,例如Python语法简洁,表达能力强(简短的几行代码抵得上其它语言数十行),第三方支持库多。”工欲善其事,必先利其器“,在使用 Python 进行机器学习研究之前,需要搭建好编程环境,主要有 NumPy, SciPy, Matplotlib, scikit-learn等。 NumPy简介 NumPy(Numeri原创 2015-01-06 09:02:11 · 6495 阅读 · 0 评论 -
Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
曾经因为NLTK的缘故开始学习Python,之后渐渐成为我工作中的第一辅助脚本语言,虽然开发语言是C/C++,但平时的很多文本数据处理任务都交给了Python。离开腾讯创业后,第一个作品课程图谱也是选择了Python系的Flask框架,渐渐的将自己的绝大部分工作交给了Python。这些年来,接触和使用了很多Python工具包,特别是在文本处理,科学计算,机器学习和数据挖掘领域,有很多很多优秀的Py转载 2015-01-04 17:53:34 · 6148 阅读 · 0 评论 -
Linux环境编译OpenCV的应用程序方法
示范代码://test.cpp #include <stdio.h> #include <cvaux.h> #include <highgui.h> using namespace cv;int main(int argc, char **argv) { IplImage *img = cvLoadImage(argv[1]); if (NULL == img) { printf("Load原创 2016-04-03 21:26:57 · 705 阅读 · 0 评论