zhuhua造轮子的博客

numpy中ndarray定义了多维数组，但是维数和轴号（axis）特别容易混淆，因此作了以下分析总结。维数的判断（2种方法）1、数左方括号“ [ ”的个数，如下图就是4维数组（有四个左括号，是4维）2、查看shape属性的输出元组元素个数（有四个元素，也是4维）轴号的判断（从左向右依次是0，1，2...)轴号可以数左括号“[”的顺序得到，从左到右依次是0，1，2... ，...

1、PCA的原理 设n维随机变量X, 其对应的协方差矩阵是C 基于正交矩阵P，对随机变量X做正交变换，得到变量Y，对应协方差矩阵为R,如下所示。 C是X的协方差矩阵，R是Y的协方差矩阵，二者都是一个对称矩阵 协方差矩阵的对角线以外的值都是n维变量各分量之间的相关性的度量值，当值为0时表示两个分量无关，即相互独立，此时我们得到的变量具有很好的统计特性，便于处理，即我们的目标是...............

期望、方差、协方差、协方差矩阵1 期望（数学期望、均值）在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。 需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。 大数定律...

图解matplotlib.pyplot figure、subplot、axes、axis的区别基本概念用matplotlib.pyplot绘图需要知道以下几个概念：画图板/画布：这是一个基础载体，类似实际的画图板，用pyplot.figure()函数创建，程序中允许创建多个画图板，具体操作的画板遵循就近原则（操作是在最近一次调用的画图板上实现），缺省条件下内部默认调用pyplot.fi...

以下是深度强化学习：深度Q网络DQN的迭代流程、其中增加了经验回放、固定Q目标等处理技巧。流程的关键点是：1、该流程是一个横向展开流程，从左向右是时间轴上的逐步迭代。2、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。3、除初始化环节，每个迭代循环分为两大步操作，以随机缓存区为分界，上部为采样环节（sample，提供新的数据），下部为学习环节...

以下是强化学习-时间差分学习算法、SARSAmax算法、Q学习算法与神经网络模型相结合的迭代流程图(深度Q学习）流程的关键点是：1、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。2、流程中需要先利用网络完成所有动作空间的动作值估算，然后根据max策略选取一个动作值作为动作估计值，再结合折扣系数、直接奖励估算真值。3、每一次迭代中，都会使用两...

以下是强化学习-时间差分学习算法（SARSA(0)算法）与神经网络模型相结合的迭代流程图流程的关键点是：1、流程中动作值函数的逼近方法使用的是神经网络模型（图中含NET的步骤，具体根据需要设计）。2、模型中使用的动作值的真值是用神经网络模型（使用NET步骤）进行估算后乘于折扣率加上当前奖励得到的。3、每一次迭代中，用来训练模型的状态值S、动作值A都是上一步迭代所得（on-line策...

注：以下为个人总结机器学习知识图谱，来源参考《机器学习》西瓜书、《深度学习》Udacity、《机器学习》Coursera等。

背景机器：dell xps8920系统：Ubuntu16.04(amd64)显卡：gtx1080python版本：python3.6安装CUDA9.0旧版本清理sudo apt-get remove cuda sudo apt-get autocleansudo apt-get remove cuda*cd /usr/local/sudo rm -r c...