NLP聚类实验数据，仅供学习使用
使用方法：
import pandas as pd
table=pd.read_pickle('../data/jvlei_test.pkl')
print(table)
2022-03-20 14:26:14
23.6MB
1
多主体强化学习（MARL）
使用rllab通过量化在不同环境中执行的多个代理的随机梯度来开发强化学习。
实验室
rllab是用于开发和评估强化学习算法的框架。 它包括各种各样的连续控制任务以及以下算法的实现：
rllab与完全兼容。 有关说明和示例，请参见。
rllab仅正式支持Python 3.5+。 对于坐在Python 2上的rllab的旧快照，请使用。
rllab支持在EC2集群上运行强化学习实验以及用于可视化结果的工具。 有关详细信息，请参见。
主要模块使用作为基础框架，并且我们在下支持TensorFlow。
文献资料
在线提供了文档： https : //rllab.readthedocs.org/en/latest/ 。
引用rllab
如果您使用rllab进行学术研究，强烈建议您引用以下文章：
严端，陈曦，赖因·豪特霍夫特，约翰·舒尔曼，彼得·阿比尔。 “对
2022-03-18 18:31:48
10.24MB
1
关于深度学习算法评估的规范，目前主要聚焦在可靠性方面，后续还会有关于可移植性和效率方面的内容。3.3MB清晰PDF
2022-03-14 13:33:49
3.04MB
1
K均值(k-Means)算法的推导
问题框架
要估计k个正态分布的均值=
观察到的数据是X={}
隐藏变量Z={}表示k个正态分布中哪一个生成xi
用于K均值问题的表达式Q(h’|h)的推导
单个实例的概率
2022-03-12 16:49:34
7.1MB
1
PageRank、SVM、决策树、K均值、KNN、朴素贝叶斯、Apriori、EM、AdaBoost、Cart等算法的原理、实例及部分可用软件的介绍
2022-02-28 16:08:51
3.93MB
1
Boosting for Transfer Learning作者的硕士学位论文，可以作为Boosting for Transfer Learning的补充材料学习，当中有很详细的公式推导，以及参数设计的理论支撑。是学习Transfer Learning的好资料。
2022-02-28 14:13:20
3.05MB
1