在每个特定时间点，agent从环境接收一些观察（observation），并且必须选择一个动作（action），然后通过某种机制（有时称为执行器）将其传输回环境，最后agent从环境中获得奖励（reward）。举个例子，人们在技术博客上贴的标签，比如“机器学习”、“技术”、“小工具”、“编程语言”、“Linux”、“云计算”、“AWS”。最近在深度学习方面取得的许多进展，大都是由廉价传感器和互联网

Python预测之美数据分析与算法实战第一篇 预测入门 第一章到第四章第二篇预测算法第五章参数优化未完待续

Python预测之美数据分析与算法实战第一篇 预测入门 第一章到第四章第二篇 预测算法 第五章到第八章内容简介第三篇 预测应用第九章 短期日负荷曲线预测

Python预测之美数据分析与算法实战第一章 认识预测这里的预测之美，主要是指预测的方法、预测的逻辑之美。1.1 什么是预测占卜术占卜的“占“表示观察，观察身边的事物；而“卜”表示推测，根据现象对未知事物进行推测。龟壳占卜缺少科学依据，依赖于做出预测的人神秘的地动仪东汉时期张衡发明了候风地动仪不能预测地震何时何地会发生，充其量算是震后对地震方向的判断，现在的科学仍难以解释。地动仪的材料从全国各地去

前言整理一下运维学习路径。developer-roadmap 是外国某大佬整理出来的学习步骤和导图。DevOps （运维）学习路线图

前言在IEDA中，代码已经写好了，打算打包到服务器上运行，mvn clean packa 后直接报Failed to execute goal org.scala-tools:maven-scala-plugin:2.15.2:compile (compile-scala) on project解决方案1、网上很多都是说IDEA 中Scala版本和 本地版本不一致导致的，这个可以查看一下。我是其他

前言研究机器学习模型，有时觉得单一模型有其局限性，加另一个模型进去，效果会不会好点，或者将二者进行结合输出。目前市面上的一些文章，尤其喜欢使用融合模型。接下来简单聊聊融合的方式。1 融合对象融合对象，是指我们要对什么进行融合，这里是指不同的算法、模型和个体学习器等等。融合对象的基本信息：训练数据：数据集使用比例、预处理方法模型结构：RF、XGBoost、CatBoost、CNN、LSTM等;超参：

前言研究机器学习模型，有时觉得单一模型有其局限性，加另一个模型进去，效果会不会好点，或者将二者进行结合输出。目前市面上的一些文章，尤其喜欢使用融合模型。接下来简单聊聊融合的方式。1 融合对象融合对象，是指我们要对什么进行融合，这里是指不同的算法、模型和个体学习器等等。融合对象的基本信息：训练数据：数据集使用比例、预处理方法模型结构：RF、XGBoost、CatBoost、CNN、LSTM等;超参：

FFM算法，全称是Field-aware Factorization Machines，是FM（Factorization Machines）的改进版。来源：最初的概念来自Yu-Chin Juan（阮毓钦，毕业于中国台湾大学，现在美国Criteo工作）与其比赛队员，是他们借鉴了来自Michael Jahrer的论文中的field概念提出了FM的升级版模型。通过引入field的概念，FFM把相同性质

前言这篇文章LSTM 航空乘客预测 单步预测和多步预测。 简单运用LSTM 模型进行预测分析。这篇文章加入注意力机制的LSTM 对航空乘客预测采用了目前市面上比较流行的注意力机制，将两者进行结合预测。这篇文章多层 LSTM 对航空乘客预测 简单运用多层的LSTM 模型进行预测分析。本文采用双向LSTM网络对其进行预测。我喜欢直接代码+ 结果展示先代码可以跑通，才值得深入研究每个部分之间的关系；进而