洗头冠军的博客

第一章本章节主要阐述如何使用粒子群优化算法对朴素贝叶斯分类进行改进，主要内容包括问题的提出、朴素贝叶斯分类和粒子群优化的介绍、改进算法的详细设计以及测试结果。1.1问题提出加权朴素贝叶斯分类的一个重要问题就是如何确定其权值。粒子群优化作为一种群体智能算法，可以通过演化找到非线性最优化问题的解，并且它思路简单，计算开销较小，加入变异机制减小陷入局部最优的几率后后，我认为比较适合用于确定权值。另外，粒子群算法中需要一个比较最优值的适应度函数，我采用分类的正确率当作指标，将正确率的数值作为适应度函.

Weka是来之新西兰怀卡托大学的一款用于数据挖掘的开源软件，主要是数据挖掘方面的一些算法的集合，是一个非常好的开源框架。语言采用Java，可以与eclipse配合使用。weka官网：https://www.cs.waikato.ac.nz/ml/weka/weka的安装与入门：慕课第14章 共两个视频。https://www.icourse163.org/learn/CUG-10035...

本系列博客对莫烦视频（https://morvanzhou.github.io/）的知识点进行总结。强化学习基础概念强化学习的过程中会进行多次迭代，每次迭代都会进行上图的操作。也就是Agent（智能体）根据现在的状态做出一个自认为最好的动作，然后环境根据这个动作给他返回一个奖赏和新的状态。之后不断循环这个过程直到智能体对环境充分熟悉，保证每次都能做出正确的动作，这就是强化学习的基本模型...

curses包的封装用于实现终端无关的控制台输出以及输入处理。curses包支持各种终端，从古老的VT100到LINUX控制台到X11终端如xterm或rxvt。而python中的curses模块是对curses包的C语言的简单封装，并对curses的调用做了简化，将C接口中的addstr, mvaddstr, mvwaddstr三个函数合并成了一个单独的addstr函数。 前几天在...

本文章转自https://www.cnblogs.com/itmorn/p/7890468.html目录　　一元线性回归、多元线性回归、Logistic回归、广义线性回归、非线性回归的关系　　什么是极大似然估计　　逻辑斯谛回归(Logistic回归)　　多类分类Logistic回归　　Python代码(sklearn库) 一元线性回归、多元线性回归、逻...

上一篇总结了Q-Learning算法https://blog.youkuaiyun.com/qq_37553152/article/details/88830319Q-Learning算法对于一些小问题非常实用，但是遇到复杂的问题，状态数变多，就会遇到效率低、受数据关联性影响等问题。于是DQN出现了，它在Q-Learning算法上做了修改，用神经网络代替了Q-learning中的Q表，其输入为状态，...

上一篇总结了我对DQN的理解https://blog.youkuaiyun.com/qq_37553152/article/details/90812273Dueling-DQN是对传统DQN的一种改进算法，它的核心思路是优化神经网络的结构。在传统DQN算法中，根据神经网络的输出确定每个动作Q值，然后选出最优的动作，其神经网络的大概模型如下图。在Dueling-DQN中，对网络的输出层（图2-5...