- 博客(4)
- 收藏
- 关注
RSS订阅转载 Q learning参数的理解与选取
1、epsilon greedy 算法Q: 如何理解 greed-epsilon 方法／如何设置 epsilon／如何理解 exploration & exploitation 权衡？A: (1) 我们的小车一开始接触到的 state 很少，并且如果小车按照已经学到的 qtable 执行，那么小车很有可能出错或者绕圈圈。同时我们希望小车一开始能随机的走一走，接触到更多的 state。...
2019-07-16 17:06:56
5121
1
原创 TP TN FP FN含义
FN：False Negative,被判定为负样本，但事实上是正样本。FP：False Positive,被判定为正样本，但事实上是负样本。TN：True Negative,被判定为负样本，事实上也是负样本。TP：True Positive,被判定为正样本，事实上也是证样本。这里的正样本和负样本与检索的关系就是：你认为为正样本的应该都出现在检索结果中，而你认为为负样本的应该不出现在检索结果...
2019-07-08 11:39:30
1857
转载 Q-learning学习的一个小例子
强化学习的难点，在于其引入了时间这个维度，不管是有监督还是无监督学习，都是能获得即使反馈，但到了强化学习中，反馈来的没那么及时。在周志华的《机器学习》中，举过一个种西瓜的例子。种瓜有很多步骤，例如选种，浇水，施肥，除草，杀虫这么多操作之后最终才能收获西瓜。但是，我们只有等到西瓜收获之后，才知道种的瓜好不好，也就是说，我们在种瓜过程中执行的某个操作时，并不能立即获得这个操作能不能获得好瓜，仅能得到一...
2019-04-19 15:54:40
5523
1
转载 Ubuntu16.04终端输入常用键
ubuntu终端下输入命令太长或者需要在文本中换行输入内容时，方法：在当前行的末尾输入 \ 键 和 Enter 健，然后在下一行接着输入内容，并按Enter健。...
2019-04-06 21:55:36
1089
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人