小小何先生

在《战国策·齐策三》中有这么一句话：“物以类聚，人以群分”，用于比喻同类的东西常聚在一起，志同道合的人相聚成群，反之就分开。而所谓的科学，不过是把我们日常的生活经验，大自然...

在大多是强化学习(reinforcement learning RL)问题中，环境的model都是未知的，也就无法直接做动态规划。一种方法是去学MDP，在这个系列的理解强化...

上一节我们说了马尔可夫决策过程，它是对完全可观测的环境进行描述的，也就是观测到的内容完整决定了决策所需要的特征。马尔可夫决策过程可以用方程组求解简单问题，但是对于复杂一点的...

马尔可夫决策过程 (Markov Decision Process，MDP)是序贯决策(sequential decision)的数学模型，一般用于具备马尔可夫性的环境中。...

相似性度量是机器学习中一个非常基础的概念：是评定两个事物之间相似程度的一种度量，尤其是在聚类、推荐算法中尤为重要。其本质就是一种量化标准。在机器学习中主要是用于衡量样本之间...

上节聊完了这个强化学习从直观上的一些理解。以及它和其他的机器学习方法的一些异同点。这一节来唠唠强化学习中的一些基本的概念及其组成部分。主要就是一些概念，将其罗列出来，方便理...

在19年4月，有写过一篇强化学习的入门直观简介。强化学习通俗入门简介(一)。感兴趣的可以看一下，如果知道一些基本概念的话，也就没啥必要了，都是些很通俗的理解。 强化学习智能...

其中是真实函数，，表示样本的权值分布(对于错误的样本权重要高一点，正确的样本权重要低一点，所有的样本组合起来就相当于有一个分布)。 若基学习器的线性组合能够使得指数损失函数...

本文汇总了常用的验证强化学习算法的开源环境平台。 当我们设计了一个强化学习算法之后，我们如何来验证算法的好坏呢？就像数据集一样，我们需要一个公认的平台来衡量这个算法。这样的...

选自towardsdatascience，作者：Connor Shorten，机器之心编译，参与：Panda、蛋酱。 本文将简单介绍这些算法的演进历程。未来，DeepMin...

现代的博弈论快速与人工智能进行结合，形成了以数据驱动的博弈论新的框架。博弈论与计算机科学的交叉领域非常多，有以下几个方面： 人工智能：多智能体系统、AI游戏、人机交互、机器...

线性判别分析，英文名称Linear Discriminant Analysis(LDA)是一种经典的线性学习方法。本文针对二分类问题，从直观理解，对其数学建模，之后模型求解...

这节我们来讲说一下决策树。介绍一下决策树的基础知识、决策树的基本算法、决策树中的问题以及决策树的理解和解释。 本文主要思路结构如下：先从直观上解释决策树的算法流程。之后针对...

也就是说，假设博弈的参与者都是足够理性的，如何设计一个博弈规则能确保公正性或者达到设计者的最大利益。主要的难点是：规则复杂，计算量大。 在生活中，人们通常会碰到与资源匹配相...

这一节我们介绍线性模型，介绍思路如下：我们先介绍概念，什么叫做线性模型？在了解了基本的线性模型之后，我们将其应用于一元线性回归，之后扩展到多元线性回归。之后我们再将其扩展到...

这节主要来详细说一下神经网络。从神经网络定义到M-P模型再扩展到单层感知机、多层前馈神经网络、再到深层神经网络。(本文有一些概念省略了，若有写得不清楚的地方，我们一起在微信...

如果不能遍历计算机所有节点的遗憾值，那么可以采用虚拟遗憾最小化算法来进行模拟计算。 为信息集，包含了博弈的规则以及玩家采取的历史行动，在信息集下所能采取的行为集合记为。 玩...

本文是对Monte Carlo Tree Search – beginners guide这篇文章的文章大体翻译，以及对其代码的解释。分为两篇【详细原理】和【代码实战】。 ...

作者Nikos Vlassis(尼科斯·弗拉西斯)是希腊克里特技术大学生产工程与管理系的助理教授。 多智能体系统是一个将博弈论、分散控制等经典领域与计算机科学、机器学习等现...