以下文章摘录自:
《机器学习观止——核心原理与实践》
京东: https://item.jd.com/13166960.html
当当:http://product.dangdang.com/29218274.html
(由于博客系统问题,部分公式、图片和格式有可能存在显示问题,请参阅原书了解详情)
MCTS (Monte Carlo Tree Search)
在前面的学习中,我们分析了蒙特卡洛方法,本章节将为大家解开蒙特卡洛树搜索的“面纱”。虽然它们的名字很接近,但大家需要注意的是这两者却有着本质区别。
我们先简单回顾一下Monte Carlo Method,它起源于二战时期的“曼哈顿计划”。一方面是出于保密性考虑,另一方面蒙特卡洛方法本身就和随机事件相关联,所以冯诺依曼等科学家就以世界闻名的摩纳哥赌城为其命名,即Monte Carlo。
MC Method是一系列方法的统称,其核心思想简单来说就是通过有规律的“试验”来获取随机事件出现的概率,并通过这些数据特征来尝试得到所求问题的答案的近似解。这样子描述可能有点抽象,下面我们举一个利用蒙特卡洛方法来求圆周率的经典例子。
大家都知道圆周率是数学及物理学中的一个数学常数,它等于圆形面积S和半径(r)平方的比值,即:
S1 = r2
另外,正方形的面积计算公式是边长(假设为2r)的平方:
S2 = (2r)2
那么如果把圆放在正方形里面,就形成了如下所示的图形:
图 ‑ 利用蒙特卡洛方法求解圆周率(1)
紧接着我们在这个图形里随机产生N(通常在10000以上)个随机数,如下图所示: