Scc_hy

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一、monta carlo 迭代时间：一个回合结束后, 对每个动作进行迭代 回合内行动策略：探索+利用 迭代公式：当前状态行动带来的收益($Q_{

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 已经学好全部的表格方法训练Agent，所以，自己拿一个游戏环境进行智能体的训练。 一、选取游戏 打开 gym官网文档 ，里面就是对CartPole

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一、简介 基于大量历史数据，构建一个大Q表,用于订单的评估，满足乘客的需求的同时，兼顾平台的长期价值，最终提升平台的收入。 二、背景 从司机抢单到

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 在数据层面的一些正负采样，业务层面一些数据筛选，以及异常值的处理后。我们进行模型训练，同时需要对模型进行参数的调整，以提升模型的精度。笔者就一些现