-
DQN 从入门到放弃1 DQN与增强学习 - 知乎
首发于智能单元写文章DQN从入门到放弃1DQN与增强学习FloodSung深度学习（DeepLearning）、人工智能话题的优秀回答者676人赞同了该文章1前言深度增强学习DeepReinforcementLearning是将深度学习与增强学习结合起来从而实现从Perception感知到Action动作的端对端学习End-to-EndLearning的一种全新的算法。简单的说，就是和人类一样，输入感知信息比如视觉，然后通过深度神经网络，直接输出动作，中间没有hand-craftedengin…
-
DBSCAN - 维基百科，自由的百科全书
---layout:posttitle:DBSCAN-维基百科，自由的百科全书date:2020-04-2108:00:01.000000000+09:00--…
-
A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way
OpeninappUpgradeDataScienceMachineLearningProgrammingVisualizationAIVideoAboutContributeWelcomeback.Youaresignedinasq1138824393@gmail.com.Notyou?TophighlightAComprehensiveGuidetoConvolutionalNeuralNetworks—theELI5waySumitSahaFollowDec16,2018·7minread…
-
条件随机场-维基百科
条件随机场维基百科，自由的百科全书跳到导航跳到搜索条件随机场（conditionalrandomfield，简称CRF），是一种鉴别式几率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字或是生物序列。如同马尔可夫随机场，条件随机场为无向性之图模型，图中的顶点代表随机变量，顶点间的连线代表随机变量间的相依关系，在条件随机场当中，随机变量Y的分布为条件几率，给定的观察值则为随机变量X。原则上，条件随机场的图模型布局是可以任意给定的，一般常用的布局是链接式的架构，链接式架构不论在训练（t…
-
K-Means算法-维基百科
K-Means算法维基百科，自由的百科全书跳到导航跳到搜索K-平均算法（英文：k-meansclustering）源于信号处理中的一种向量量化方法，现在则更多地作为一种聚类分析方法流行于数据挖掘领域。k-平均聚类的目的是：把n{\displaystylen}个点（可以是样本的一次观察或一个实例）划分到k个聚类中，使得每个点都属于离他最近的均值（此即聚类中心）对应的聚类，以之作为聚类的标准。这个问题将归结为一个把数据空间划分为Voronoicells的问题。这个问题在计算上是NP困难的，不过存在高…
-
Lasso算法-维基百科
Lasso算法维基百科，自由的百科全书跳到导航跳到搜索在统计学和机器学习中，Lasso算法（英语：leastabsoluteshrinkageandselectionoperator，又译最小绝对值收敛和选择算子、套索算法）是一种同时进行特征选择和正则化（数学）的回归分析方法，旨在增强统计模型的预测准确性和可解释性，最初由斯坦福大学统计学教授RobertTibshirani（英语：）于1996年基于LeoBreiman的非负参数推断(NonnegativeGarrote,NNG)提出[1][2]…
-
ID3算法-维基百科
ID3算法维基百科，自由的百科全书跳到导航跳到搜索ID3算法（IterativeDichotomiser3迭代二叉树3代）是一个由RossQuinlan发明的用于决策树的算法。这个算法是建立在奥卡姆剃刀的基础上：越是小型的决策树越优于大的决策树（简单理论）。尽管如此，该算法也不是总是生成最小的树形结构。而是一个启发式算法。奥卡姆剃刀阐述了一个信息熵的概念：IE(i)=−∑j=1mf(i,j)log2f(i,j).{\displaystyleI_{E}(i)=-\sum_{j=1}^{m}f(i…
-
C4.5算法-维基百科
C4.5算法维基百科，自由的百科全书跳到导航跳到搜索C4.5算法是由RossQuinlan（英语：）开发的用于产生决策树的算法。该算法是对RossQuinlan之前开发的ID3算法的一个扩展。C4.5算法产生的决策树可以被用作分类目的，因此该算法也可以用于统计分类。C4.5算法与ID3算法一样使用了信息熵的概念，并和ID3一样通过学习数据来建立决策树。[1]在SpringerLNCS于2008年发表的优秀论文中，该算法在前10大数据挖掘算法中排名第一，之后使得它变得非常受欢迎。[2]算法C4.5…
-
AdaBoost-维基百科
AdaBoost维基百科，自由的百科全书跳到导航跳到搜索AdaBoost，是英文"AdaptiveBoosting"（自适应增强）的缩写，是一种机器学习方法，由YoavFreund和RobertSchapire提出。[1]AdaBoost方法的自适应在于：前一个分类器分错的样本会被用来训练下一个分类器。AdaBoost方法对于噪声数据和异常数据很敏感。但在一些问题中，AdaBoost方法相对于大多数其它学习算法而言，不会很容易出现过拟合现象。AdaBoost方法中使用的分类器可能很弱（比如出现很…
-
决策树-维基百科
决策树维基百科，自由的百科全书跳到导航跳到搜索决策论中（如风险管理），决策树（Decisiontree）由一个决策图和可能的结果（包括资源成本和风险）组成，用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代价和实用性。它是一个算法显示的方法。决策树经常在运筹学中使用，特别是在决策分析中，它帮助确定一个能最可能达到目标的策略。如果在实际中，决策不得不在没有完备知识的情况下被在线采用，一个决策树应该平…