勇气与行动

《机器学习之路》KNN算法部分代码：import numpy as np # 快速操作结构数组的工具import pandas as pd # 数据分析处理工具import matplotlib.pyplot as plt # 画图工具from sklearn import datasets # 机器学习库#数据集 0-setosa、1-versicolor、2-virginica...

嵌入技术的应用：自然语言处理/传统的机器学习/搜索排序/推荐/知识图谱Word EmbeddingItemEmbeddingGraphEmbeddingCategorical variablesEmbedding单一静态---》动态Word Embedding ---》ELMo Transformer GPT BERT XLNet ALBERT1.1 处理序列问题的一般步骤序列问题：自然语言处理、网页浏览、时间序列如何处理序列问题？如何挖掘序列中隐含的规则和...

1.2 自然语言处理的基础知识自然语言处理是人类语言的机器处理，旨在教授机器如何处理和理解人类的语言，从而在人与机器之间建立一个简单的沟通渠道。编程语言：“机器能够轻松理解和处理的是什么？”顺应机器自然语言处理：使机器能够与人类保持一致，并学习人类的交流方式。数值数据：机器学习模型，深度学习模型自然语言处理：文本数据---》数值数据，从而使得机器学习模型和深度学习模型能够适用于文本数据1.3 自然语言处理的三种能力：1.语音识别2.自然语言理解3.自然语言生成文本数.

为什么要将深度学习和强化学习结合起来？在那些相对较为复杂的环境中，有关传统强化学习的知识在实际应用中可能不足以解决问题。随着场景的复杂化，尤其是在期望以输入图像为State的场景中（希望机器人只是看看屏幕，看看奖励值，就能自己完成一系列进化工作），描述State所使用的维度也需要相应增加。“传统篇”如何靠谱地估算下一个状态的价值或者下一个状态下一个动作的价值，如何通过贝尔曼方程对奖励值进行有效回溯，以及如何通过统计学的手段（例如，多次测量取平均值）来逐步把这个价值估算准确。可以说，这一系列问题，

强化学习主要是(Reinforcement learning)是一个独立的机器学习研究领域。1.监督学习：监督学习主要希望研究映射关系：：它是待定系数。机器学习范畴：知道x,y,不知道。反向推导出“”训练过程：足够的x,及对应的y，作为参数，逐步求出待定系数的过程当通过这样一个过程学习到应该为什么值的时候，如果再有x，通过函数可以计算出y的值。这是监督学习中一个典型问题---线性回归。2.非监督学习：入门算法k-means.在一个空间中，有很多的...