一个特殊场景的 LR 预测优化 Trick

推荐系统常用分类算法包括 LR、XGBoost 和最新的 Deep Learning 。libFM 可以看出是自动特征交叉和 LR 算法的结合。XG...

动手写一个 DQN 的棋牌 AI

深度强化学习是学术界研制游戏 AI 的主流算法。这篇文章我们将用深度强化学习早期代表算法 DQN 算法探索棋牌 AI。

Metropolis-Hastings 和 Gibbs sampling

本文介绍了 Metropolis-Hastings 和 Gibbs sampling 这两种常用的 MCMC（马尔科夫链蒙特卡洛）算法，以及如何在技术社区中帮助...

游戏智能系列之二:再次进行准备

遗传算法系列之三:数学摆摆手，“很惭愧，只做了一点微小的工作”

本文介绍了遗传算法的基本概念、工作原理和应用，并分析了遗传算法中的模式定理和马尔科夫链分析方法。作者通过实例讲解了遗传算法在解决实际问题中的应用，并探讨了遗传算...

强化学习系列之四:模型无关的策略学习

本文介绍了模型无关的策略学习。模型无关的策略学习主要有三种算法: Monte Carlo Control, Sarsa 和 Q learning。这三种算法都能...

遗传算法系列之二:“欺骗”深度学习的遗传算法

本文介绍了遗传算法在解决复杂问题中的应用，包括在机器人路径规划、神经网络参数优化、机器人视觉系统中的运动物体检测和识别、以及自动化作曲等领域。遗传算法在这些领域...

强化学习系列之三:模型无关的策略评价

本文介绍了模型无关的策略评价，包括蒙特卡罗算法和时差学习算法，适用于不知道马尔科夫决策过程转移概率和奖励函数的场景。代码示例基于机器人找金币问题，可以在Gith...

遗传算法系列之四:遗传算法的变种

本文介绍了遗传算法的发展历程、应用案例、变种以及未来展望。

AlphaGo 是如何把 CNN 接到搜索的？

强化学习系列之六:策略梯度

本文介绍了梯度策略的相关知识，包括策略梯度的定义、策略梯度与价值函数的关系、策略梯度的算法以及策略梯度的应用场景。文章还介绍了蒙特卡罗策略梯度和Actor-Cr...

深度学习框架大战正在进行，谁将夺取“深度学习工业标准”的荣耀？

XGBoost + LR 就是加特征而已

本文介绍了XGBoost+LR算法在工业界的一些应用，以及在CTR预估领域的成绩。作者通过在Criteo数据集上的实验表明，XGBoost+LR可以有效地提高C...

拖拽式机器学习的爱与恨

拖拽式机器学习是一种通过图形界面拖拽组件完成机器学习任务的方法，具有易学易用等特点，适合非技术背景人员使用。但拖拽式机器学习也存在一些缺点，如不能完全实现自动化...

工欲善其事必先利其器——游戏 AI 环境对比

本文探讨了游戏 AI 环境的四个主要特点：环境交互、策略、学习和适应。作者详细介绍了这些特点，并通过一个简化版的星际争霸 II 游戏来演示这些特点在实际游戏中的...

超快的 fastText

本文介绍了 fastText，一种用于文本分类的机器学习模型，以及它的原理、优缺点和应用场景。fastText 能够处理多标签分类任务，具有训练速度快、分类效果...

在 Spark 中实现单例模式的技巧

在 Spark 中实现单例模式的技巧，通过使用对象作为单例实例，解决了在集群模式下使用单例模式的问题。

游戏智能系列之一:一些准备工作

一直想开游戏人工智能的专题。只是最近刚刚用 Spark, 踩了一些坑，没有时间看东西，就延误了。虽然现在还没有看什么东西，但拖不了了，下定决心这个专题。 ...