一、混淆矩阵
这种方法是用矩阵的形式求精度。
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201101085540798.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80OTY0ODEwMw==,size_16,color_FFFFFF,t_70#pic_cen
涉及两个参数Precision和Recall,用来判断预测的准不准和评估查找的全不全。
二、深度强化学习
深度强化学习不用精准建模,而是让它自己去适应,不断完善自身的知识库的过程。
里面提到一个深度Q网络,将深度学习和传统强化学习结合在一起。
DQN 训练过程中,采用了经验回放机制,通过与环境交互获得存储记忆,在通过深度卷积网络近似当前动作值函数Q 的同时,采用一个结构相同的网络保存 N 个时间步之前的动作值函数 Q 的参数,称为目标 Q 网络。
深度强化学习这种方法未来可以应用在机器人领域。