paulonetwo

摘要： 三、强化学习框架：解决方案1.状态值函数 2.贝尔曼方程 在这个网格世界示例中，一旦智能体选择一个动作，1)它始终沿着所选方向移动（而一般 MDP 则不同，智能体并非始终能够完全控制下个状态将是什么）2)可以确切地预测奖励（而一般 MDP 则不同，奖励是从概率分布中随机抽取的）。在这个简单示例中，我 阅读全文

摘要： 一、简介 1.强化学习简称RL，即Reinforcement Learning。 2.应用 了解 AlphaGo Zero，一款先进的计算机程序，打败了专业人类围棋手。 了解如何使用强化学习 (RL) 玩Atari 游戏。 了解打败全世界的顶级 Dota 2 玩家的 OpenAI 机器人。 了解指导 阅读全文

摘要： 步骤 0: 导入数据集 导入狗数据集 在下方的代码单元（cell）中，我们导入了一个狗图像的数据集。我们使用 scikit-learn 库中的 load_files 函数来获取一些变量： train_files, valid_files, test_files - 包含图像的文件路径的numpy数组 阅读全文

摘要： 1.如果你是态度认真的机器学习工程师，你会花很长时间清洗数据。 2.对网络提前训练完全不同的事物，比从来没有训练过的网络可以得到更好的结果。从某种角度讲，神经网络内部形成的特征，与你训练的图片类型无关。 3.敏感性与特异性敏感性和特异性虽然与查准率和查全率相似，但并不相同。在癌症示例中，敏感性和特异 阅读全文

摘要： 迁移学习是指对提前训练过的神经网络进行调整，以用于新的不同数据集。 取决于以下两个条件： 新数据集的大小，以及 新数据集与原始数据集的相似程度 使用迁移学习的方法将各不相同。有以下四大主要情形： 新数据集很小，新数据与原始数据相似 新数据集很小，新数据不同于原始训练数据 新数据集很大，新数据与原始训 阅读全文

摘要： 我们看一个 CNN 示例，了解具体运行过程。 我们要查看的 CNN 在 ImageNet 上进行了训练（请参阅这篇来自 Zeiler 和 Fergus 的论文）。在下面的图片中（摘自上述同一论文），我们将看到该网络中的每个层级会检测到什么，并查看每个层级如何检测到越来越复杂的规律。 我们看一个 CN 阅读全文

摘要： 1. 创建 AWS 帐号 访问 aws.amazon.com 并点击“创建 AWS 帐号 (Create an AWS Account)”按钮。 1. 创建 AWS 帐号 访问 aws.amazon.com 并点击“创建 AWS 帐号 (Create an AWS Account)”按钮。 1. 创 阅读全文

摘要： 注意卷积层中的参数数量是如何变化的。对应的是输出内容中的 Param # 下的值。在上图中，卷积层具有 80 个参数。 同时注意卷积层的形状是如何变化的。对应的是输出内容中的 Output Shape 下的值。在上图中，None 对应的是批次大小，卷积层的高度为 100，宽度为 100，深度为 16 阅读全文

摘要： 一、神经网络1.为了进行梯度下降，误差函数不能是离散的，而必须是连续的。误差函数必须是可微分的。同时，要将离散预测变成连续预测，方法是将激活函数从阶跃函数变成S函数。 2.最大似然法：选出实际发生的情况所对应的概率更大的模型。 3.交叉熵(损失函数)：将得到的概率取对数，对它们的相反数进行求和。准确 阅读全文

摘要： 开始 在这个项目中，你将分析一个数据集的内在结构，这个数据集包含很多客户针对不同类型产品的年度采购额（用金额表示）。这个项目的任务之一是如何最好地描述一个批发商不同种类顾客之间的差异。这样做将能够使得批发商能够更好的组织他们的物流服务以满足每个客户的需求。 这个项目的数据集能够在UCI机器学习信息库 阅读全文