評論較多，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號，加入我的微信群一起討論。公眾號ID：小小挖掘機(jī)
IP屬地：廣東
-
-
-
[說人話的統(tǒng)計(jì)學(xué)·協(xié)和八]第四章·上 方差分析(ANOVA)-多組平均數(shù)的比較注：說人話的統(tǒng)計(jì)學(xué)系列原連載于協(xié)和八微信公眾號。本文為筆者的學(xué)習(xí)筆記，每篇文章標(biāo)題已加入原文超鏈接。如侵權(quán)請告知。 01 要比較三組數(shù)據(jù)，t檢驗(yàn)還能用嗎？| 協(xié)和八 多次對同...
-
推薦算法會(huì)使用的模型Classification Classification分類的主要目的就是為我們的數(shù)據(jù)記錄打上標(biāo)簽。分類模型主要分為兩大類：1.Supervised 2.Unsupervi...
-
推薦系統(tǒng)算法概覽和數(shù)據(jù)預(yù)處理方式推薦系統(tǒng)基礎(chǔ)知識概覽圖 在進(jìn)行推薦系統(tǒng)構(gòu)建時(shí)，我們主要分為四大步：1.基于數(shù)據(jù)源獲取數(shù)據(jù) 2.對數(shù)據(jù)進(jìn)行預(yù)處理操作 3.通過相關(guān)模型對數(shù)據(jù)進(jìn)行分析 4.對分析過后的結(jié)果進(jìn)行轉(zhuǎn)...
-
-
-
抱歉，是我的錯(cuò)。其實(shí)，按照公式它應(yīng)該還要加上之前的value值，也就是-0.75 + (-1)=-0.75
動(dòng)態(tài)規(guī)劃(Dynamic Programming)
區(qū)分Continuing Task和Episodic Task 前一節(jié)我們已經(jīng)解釋了什么是episode，episode即為從初始的狀態(tài)到終止?fàn)顟B(tài)的整個(gè)過程。那么什么是Con...
-
我是RainChen - DO IT, DO IT RIGHT, DO IT RIGHT NOW!<br><br>技術(shù)管理專題《當(dāng)我在做技術(shù)管理時(shí)我在做什么》：<a href="http://m.itdecent.cn/c/5c4d143c2e83" rel="nofollow" target="_blank">http://m.itdecent.cn/c/5c4d143c2e83</a><br><br>數(shù)據(jù)挖掘精選文章 - 《爬取簡書百萬頁面 分析簡書用戶畫像》：<a href="http://m.itdecent.cn/p/9f8a81040393" rel="nofollow" target="_blank">http://m.itdecent.cn/p/9f8a81040393</a><br><br>數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)精選文章 - 《簡書用戶畫像 之 如何挖掘用戶的電影喜好》：<a href="http://m.itdecent.cn/p/a26b2454c322" rel="nofollow" target="_blank">http://m.itdecent.cn/p/a26b2454c322</a><br><br>數(shù)據(jù)分析/機(jī)器學(xué)習(xí)精選文章 -《泰坦尼克號乘客生存分析——用機(jī)器學(xué)習(xí)告訴你，如果你在當(dāng)時(shí)的船上，有多大機(jī)率生還？》：<a href="http://m.itdecent.cn/p/9a5bce0de13f" rel="nofollow" target="_blank">http://m.itdecent.cn/p/9a5bce0de13f</a><br><br>
-
Web基礎(chǔ)概述 Web主要由Web服務(wù)器和Web客戶端組成。Web客戶端(瀏覽器)通過Http協(xié)議向Web服務(wù)器發(fā)送請求，Web服務(wù)器接收到請求后便會(huì)對該客戶端作出回應(yīng)。 比如：客戶端...
-
策略梯度(Policy Gradient)簡述 強(qiáng)化學(xué)習(xí)方法主要分為兩類，一類是Model-based，另外一種是Model free，如圖所示： 而Model Free中又包含兩種方法，其中一種是基于策略的角度考慮...
-
Deep Q-learning Network(DQN)概述 DQN其實(shí)是深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)知識的結(jié)合，也就是用Deep Networks框架來近似逼近強(qiáng)化學(xué)習(xí)中的Q value。其中，使用的Deep Networks有兩種框架，...
-
時(shí)序差分算法(Temporal-Difference Learning)概述 時(shí)序差分算法是一種無模型的強(qiáng)化學(xué)習(xí)算法。它繼承了動(dòng)態(tài)規(guī)劃(Dynamic Programming)和蒙特卡羅方法(Monte Carlo Methods)的優(yōu)點(diǎn)，從而對...
