Double DQN 上一篇提到的DQN是基于Q-learning，更新也是基于贪婪算法，$Q \leftarrow Q + \alpha (R + \gamma \max Q' - Q)$。虽然可以快速让Q值向可能的优化目标靠拢，但是很容易过度估计(Overestimation)。因为算法每次更新 ...
分类：
其他好文 时间：
2019-01-23 21:36:24
阅读次数：
757
参考：（mongoose和mongodb模块的区别）https://www.jianshu.com/p/87bcf4fdb479 参考： mongoose官网（https://mongoosejs.com/docs/models.html） 参考： 英文：Boosting Node.js和Mongo ...
分类：
Web程序 时间：
2019-01-21 12:10:48
阅读次数：
160
目的：为了让训练效果更好 bagging：是一种并行的算法，训练多个分类器，取最终结果的平均值 f(x) = 1/M∑fm(x) boosting: 是一种串行的算法，根据前一次的结果，进行加权来提高训练效果 stacking; 是一种堆叠算法，第一步使用多个算法求出结果，再将结果作为特征输入到下一 ...
分类：
编程语言 时间：
2019-01-17 14:03:48
阅读次数：
272
GBDT又叫梯度提升决策树，它也属于Boosting框架。GBDT核心原理如下： 如图所示，用GBDT预测年龄，第一轮，预测到年龄为20，它和真实值之间的残差为10，第二轮，GBDT开始预测上一轮的残差10，预测结果为6，这一轮 的残差为4，第三轮，以年龄4为预测目标，预测来的值为3，和真实值之间相 ...
分类：
编程语言 时间：
2019-01-11 15:13:33
阅读次数：
288
来自：https://www.cnblogs.com/pinard/p/6156009.html 集成学习有两个流派，一个是boosting，特点是各个弱学习器之间有依赖关系；一个是bagging，特点是各个弱学习器之间没依赖关系，可以并行拟合。 1. bagging的原理 在集成学习原理总结中，给 ...
分类：
编程语言 时间：
2019-01-10 20:28:30
阅读次数：
506
接着上篇Asm2Vec神经网络模型流程继续，接下来探讨具体过程和细节。 一.为汇编函数建模 二.训练,评估 先来看第一部分为汇编函数建模，这个过程是将存储库中的每一个汇编函数建模为多个序列。由于控制流图的原始线性布局覆盖了一些无效的执行路径，不能直接使用它作为训练序列。相反，可以将控制流程图建模为边 ...
分类：
其他好文 时间：
2019-01-08 14:58:00
阅读次数：
221
接着上一篇，现在明确问题：在汇编克隆搜索文献中，有四种类型的克隆[15][16][17]：Type1.literally identical(字面相同)；Type2.syntactically equivalent(语法等价)；Type3.slightly modified(稍作修改)；Type4. ...
分类：
其他好文 时间：
2019-01-07 21:05:17
阅读次数：
388
前言 集成学习按照个体学习器之间是否存在依赖关系可以分为两类： 第一个是个体学习器之间存在强依赖关系，一系列个体学习器基本都需要串行生成。代表算法是boosting系列算法。在boosting系列算法中， Adaboost是最著名的算法之一。 第二类是个体学习器之间不存在强依赖关系，一系列个体学习器 ...
分类：
其他好文 时间：
2019-01-07 11:23:35
阅读次数：
165
作为一个非理工科的经管学生，在数学基础有限的情况的，理解难免不足。文章多有copy。 参考博客： https://blog.csdn.net/zouxy09/article/details/24971995 1.前言 为什么探讨L0,L1,L2范数，机器学习中出现的非常频繁的问题：过拟合与规则化。 ...
分类：
其他好文 时间：
2019-01-04 12:35:22
阅读次数：
190
XGboost,全称Extrem Gradient boost,极度梯度提升，是陈天奇大牛在GBDT等传统Boosting算法的基础上重新优化形成的，是Kaggle竞赛的必杀神器。 XGboost属于集成学习的模型，在集成学习中主要有三个算法，Bagging，Boosting和Stacking，Ba ...
分类：
其他好文 时间：
2018-12-27 13:11:57
阅读次数：
146
