«reinforcement-learning» etiketlenmiş sorular

It seems to me that the VVV function can be easily expressed by the QQQ function and thus the VVV function seems to be superfluous to me. However, I'm new to reinforcement learning so I guess I got something wrong. Definitions Q- and V-learning are in the context of Markov …

30 machine-learning  reinforcement-learning 

100 sayısal özellikli 50k örneklerin üzerinde bir degrade yükseltme modeli yetiştirmeye çalışıyorum. XGBClassifieriken benim makinede 43 saniye içinde kolları 500 ağaçları, GradientBoostingClassifierkolları sadece 10 ağaç (!) 1 dakika ve 2 saniye :( Ben rahatsız etmedi o saat sürer olarak 500 ağaç büyümeye çalışan. Aynı kullanıyorum learning_rateve max_depthayarları , aşağıya bakınız. …

29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

Google’ın AlphaGo’su hakkında yüksek düzeyde bir özet okuyordum ( http://googleresearch.blogspot.co.uk/2016/01/alphago-mastering-ancient-game-of-go.html ) ve "politika" terimlerini karşıladım ağ "ve" değer ağı ". Yüksek düzeyde, politika ağının hareketler önermek için kullanıldığını ve değer ağının "Arama ağacının derinliğini azaltın (ve her yere arama yapmak yerine kazananı tahmin etmesini) kullanıldığını biliyorum. oyunun sonu." Bu iki …

25 machine-learning  reinforcement-learning 

Görünüşe göre, takviye öğrenmede, zamansal fark (TD) yöntemi bir önyükleme yöntemidir. Diğer yandan, Monte Carlo yöntemleri önyükleme yöntemi değildir. RL'de önyükleme tam olarak nedir? RL'de önyükleme yöntemi nedir?

23 reinforcement-learning 

Google'ın DeepMind Atari belgesini okuyorum ve "deneyim tekrarı" kavramını anlamaya çalışıyorum. Tecrübe tekrarı diğer pek çok takviye öğrenme makalesinde (özellikle AlphaGo kağıdı) ortaya çıkıyor, bu yüzden nasıl çalıştığını anlamak istiyorum. Aşağıda bazı alıntılar bulunmaktadır. İlk olarak, veriler üzerinde rasgele dağıtılan, böylece gözlem dizisindeki korelasyonları kaldıran ve veri dağılımındaki değişiklikler üzerinde …

20 reinforcement-learning  q-learning 

Konunun uzmanı değilim ve sorum muhtemelen çok naif. AlphaGo programında kullanılan takviye öğrenmenin güçlerini ve sınırlarını anlamak için bir denemeden kaynaklanmaktadır. AlphaGo programı, diğer şeylerin yanı sıra (ağaçların Monte-Carlo keşfi, vb.), İnsan tarafından oynanan büyük oyunlardan oluşan büyük bir veritabanından eğitilen ve daha sonra oyunun oyun sürümlerine izin verilerek güçlendirilen …

13 reinforcement-learning 

Eğlenmek için uzaktan kumandalı kendi kendine giden bir araba yapıyorum. Ahududu Pi'yi yerleşik bilgisayar olarak kullanıyorum; ve aracın çevresiyle ilgili geri bildirim için Raspberry Pi kamera ve mesafe sensörleri gibi çeşitli eklentiler kullanıyorum. Video karelerini tensörlere dönüştürmek için OpenCV kullanıyorum ve yol sınırlarını ve engelleri öğrenmek için kıvrımlı bir sinir …

12 reinforcement-learning  supervised-learning 

Ben bir uygulama prototip ve bazı oluşturulan cümleler üzerinde şaşkınlık hesaplamak için bir dil modeline ihtiyacım var. Python'da kolayca kullanabileceğim eğitimli bir dil modeli var mı? Gibi basit bir şey model = LanguageModel('en') p1 = model.perplexity('This is a well constructed sentence') p2 = model.perplexity('Bunny lamp robert junior pancake') assert p1 …

11 python  nlp  language-model  r  statistics  linear-regression  machine-learning  classification  random-forest  xgboost  python  sampling  data-mining  orange  predictive-modeling  recommender-system  statistics  dimensionality-reduction  pca  machine-learning  python  deep-learning  keras  reinforcement-learning  neural-network  image-classification  r  dplyr  deep-learning  keras  tensorflow  lstm  dropout  machine-learning  sampling  categorical-data  data-imputation  machine-learning  deep-learning  machine-learning-model  dropout  deep-network  pandas  data-cleaning  data-science-model  aggregation  python  neural-network  reinforcement-learning  policy-gradients  r  dataframe  dataset  statistics  prediction  forecasting  r  k-means  python  scikit-learn  labels  python  orange  cloud-computing  machine-learning  neural-network  deep-learning  rnn  recurrent-neural-net  logistic-regression  missing-data  deep-learning  autoencoder  apache-hadoop  time-series  data  preprocessing  classification  predictive-modeling  time-series  machine-learning  python  feature-selection  autoencoder  deep-learning  keras  tensorflow  lstm  word-embeddings  predictive-modeling  prediction  machine-learning-model  machine-learning  classification  binary  theory  machine-learning  neural-network  time-series  lstm  rnn  neural-network  deep-learning  keras  tensorflow  convnet  computer-vision 

Geliri en üst düzeye çıkarmak için dinamik bir fiyatlandırma sorunu üzerinde çalışan tek bir aracı için zaten işleyen bir uygulamam var. Bununla birlikte çalıştığım sorun, birbirlerinin yerini alan birkaç farklı ürünü içeriyor, bu yüzden hepsini bağımsız öğrencilerle dinamik olarak fiyatlandırmak yanlış görünüyor, çünkü birinin fiyatı diğerinin ödülünü etkiliyor. Amaç, her …

10 machine-learning  reinforcement-learning 

Alfa-beta budama algoritmasını kullanan bir satranç programı ve malzeme, kral güvenlik, hareketlilik, piyon yapısı ve sıkışmış parçalar vb. Özellikleri kullanarak konumları değerlendiren bir değerlendirme fonksiyonu geliştiriyorum. dan türetilmiş f( p ) = w1⋅ malzeme + w2⋅ güvenlik + w3⋅ hareketlilik + w4⋅ piyon yapısı + w5⋅ sıkışmış parçalarf(p)=w1⋅material+w2⋅kingsafety+w3⋅mobility+w4⋅pawn-structure+w5⋅trapped piecesf(p) = …

10 machine-learning  algorithms  reinforcement-learning 

Takviyeli öğrenmeyi bir süredir anlamaya çalışıyorum, ancak bir şekilde bir ızgara dünya problemini çözmek için takviye öğrenimi için bir programın nasıl yazıldığını görselleştiremiyorum. Bana Takviye Öğrenimi konusunda net bir anlayış geliştirmeme yardımcı olacak bazı ders kitapları önerebilir misiniz?

10 machine-learning  books  reinforcement-learning 

Takviye öğrenimi zaman serisi tahmini için uygulanabilir mi?

9 time-series  reinforcement-learning  forecasting