小小何先生

model free的方法具有high sample complexity ，难将其用于real-world。用ensemble的方式来克服model bias。 标准的model-based方法是交替使用model learning和policy aptimization。m…

value-base的强化学习值函数的近似估计会过估计值函数(DQN)，作者将Double Q-Learning处理过拟合的思想引入actor critic算法中。(过估计的问题就在于累计误差会使得某些不好的state的value变地很高(exploration 不充分所导致的…

作者在这里所关心的是，智能体采样很难采样到那些表现性能比较好的样本，就是说有些状态动作对根本就采不到，因为很难去学习这么好的策略，但是人类可以很轻松的采样得到这些样本。但是这些样本也是存在一些问题的，比如是没有带注释的，他不会有描述说为什么这么做，如果像模仿学习那样利用这些样本…

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，DeepMind 能否创造出这一系列的终极算法 OmegaZero 呢？ DeepMind 近期发布了他们开发的 MuZ…

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、机器学习、广告推荐等。 互联网：互联网经济、共享经济。 分布式系统：区块链。 人工智能与博弈论结合，形成了两个…

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，再拓展到多分类问题。 给定训练样例集，设法将样例投影到一条直线上，使得同类样例的投影点尽可能接近、异类样…

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。之后针对在实际操作过程中会遇到的6个问题对其进行具体分析，其简要包括(后文会详细分析)： 处理选择最佳划分属性：依…

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关的决策问题(如求职就业、报考录取等)，这些需要双向选择的情况被称为是双边匹配问题。在双边匹配问题中，需要…

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广义线性模型。最后通过广义线性模型迁移到logit回归(分类问题)中。 线性模型(Linear Model…