摘要

本篇文章笔记总结来自网络和书本，引用部分都有来源，内容主要介绍线性回归相关基础相关实际应用搞得入门例子，很简单，但是能说明线性回归相关基础的原理相关。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本文主要记录迭代算法的相关笔记

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本文主要记录神经网络相关的基础知识

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

• 创新点：在抽取经验池中过往经验样本时，采取按优先级抽取的方法

• 改进：同上

• 改进原因： 原来随机抽取经验忽略了经验之间的重要程度，实际上如人脑中一定会有更为重要的记忆

• 带来益处：使得算法更快收敛，效果更好

经验回放使得在线强化学习的agent能够记住和重新利用过去的经验，在以往的研究中，过去的经验（transition，经验池中的一条记录，表示为元祖形式，包含state，action，reward,discount factor,next state），只是通过均匀采样来获取。然而这种方法，只要原来有过这个经验，那么就跟别的经验以相同的概率会被再次利用，忽略了这些经验各自的重要程度。

本文我们提出了一种优先回放结构，这种方法可以使重要的经验被回放的概率大，从而使学习变得更有效率。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

K近邻算法(K-nearest neighbor, k-NN)是一种基本的分类与回归的方法。

k近邻算法：

输入：训练数据集

$$T={(x_{1},y_{1}), (x_{2},y_{2})..., (x_{N},y_{N})}$$

其中

$$x_{i}\epsilon \chi \subseteq R^{n}$$

为实例的特征向量

$$y_{i} \epsilon Y={c_{1}, c_{2}......, c_{K}, }$$

为实例的类别,i=1,2,…,N

输出：给定实例x，要能输出新给的特征向量所属y中的类

(1). 根据给定的距离度量，在训练集T中找出与x最邻近的k个点，涵盖这k个点的x的邻域基座 $N_{k} (x)$ ;

(2). 在 $N_{k} (x)$ 中根据分类决策规则（如多数表决表，对$N_{k} (x)$ 进行排序，然后取出现频率最高的第k个点的类）决定x的类别y：

$$y=arg\, \max_{c_{j}}^{\ } \sum_{x_{i}\subseteq N_{k}(x)}^{\ } I(y_{i}=c_{j})$$

其中I为指示函数，为$$y_{i}=c_{j}$$情况下, I = 1 否则I = 0

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本篇文章笔记总结来自网络和书本，引用部分都有来源，内容主要介绍马尔科夫相关的性质和几个实例进行论述。状态空间中经过从一个状态到另一个状态的转换的随机过程，需要具备“无记忆”的性质：下一状态的概率分布只能由当前状态决定，在时间序列中它前面的事件均与之无关。这种特定类型的“无记忆性”称作马尔可夫性质。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

本篇文章笔记总结来自网络和书本，引用部分都有来源，内容主要介绍马尔科夫相关实际应用搞得入门例子，很简单，但是能说明马尔科夫的原理相关。

• [x] Edit By Porter, 积水成渊,蛟龙生焉。

摘要

有时人穷则需要志坚，花别人返工心情的时间，做别人不愿做的尝试。

• 今天的目标对象是他：Log设计网

不是我不支持他，而是因为，太穷，没那么多钱钱，用到啥买啥，所以，看能省钱的地方就省了吧。

本文档是教如何免费获取99元套餐的log设计资源。

摘要

• 网页效果图设计，可以Fireworks,也可以Photoshop以及其他的平面设计软件
• 根据网页效果图进行切图

为什么要切图：提高网站下载速率，规律：能用CSS效果表现出来的就少用图像，也是为了提高下载速率

摘要：

本文记录了git的忽略提交的git规则配置，及一些举例。

参考博客资料