自己记录一下DRL的环境搭建, 花了一下午, 不过还是基本搭建完成了.博主使用的是Ubuntu18.04 + Anaconda3 + cuda10.1 + python3.7 + tensorflow2.11. 配置Mujoco-py环境和文件mujoco200的安装需要去官网申请激活码MuJoCo(Multi-Joint dynamics withContact)是一个模拟机器人，生物力学，图形

0、引言，K-近邻算法是一种非常有效的分类算法，它非常有效且易于掌握。原理：K-近邻算法通过计算不同样本之间的距离来分类物品。使用前，我们需要有一个训练样本集，并且样本集中每个数据都存在标签，即我们知到样本集中每一数据与其所述分类的对应关系。输入没有标签的新数据，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似（最近邻）的分类标签。一般来说，我们只选择样本数据集中

猫狗大战是著名的竞赛网站kaggle几年前的一个比赛，参赛者得到猫狗各12500张图片，作为训练集，另外还会得到12500张猫和狗的图片，作为验证。最后提交结果至kaggle平台，获得评测分数。本篇博文基于python3.7，Tensorflow2.1GPU版本，运行在Win10，pycharm作为IDE。相应的环境搭建，可以看博主之前的博文。深度学习系列笔记——壹（深度学习环境的搭建及填坑之旅，

经过上一篇的数据处理，我们继续搭建我们的猫狗大战项目，本篇主要介绍有关模型搭建的方法，数据处理可以参考上一篇博文：深度学习系列笔记——贰 （基于Tensorflow Keras搭建的猫狗大战模型 一）0、数据 （代码和上一篇的一样，此处不再赘述）# 导入包import tensorflow as tffrom tensorflow.keras.preprocessing.image import

朴素贝叶斯算法0、朴素贝叶斯是贝叶斯决策理论的一部分。之所以称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。1、文本分类实例2、朴素贝叶斯过滤垃圾邮件3、使用朴素贝叶斯分类器从个人广告4、小结学习永无止境，后续还会继续更新其他的机器学习算法。0、朴素贝叶斯是贝叶斯决策理论的一部分。之所以称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。1、算法优缺点比较优点：在数据较少的

0、引言，K-近邻算法是一种非常有效的分类算法，它非常有效且易于掌握。原理：K-近邻算法通过计算不同样本之间的距离来分类物品。使用前，我们需要有一个训练样本集，并且样本集中每个数据都存在标签，即我们知到样本集中每一数据与其所述分类的对应关系。输入没有标签的新数据，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似（最近邻）的分类标签。一般来说，我们只选择样本数据集中

决策树算法是一种非参数的决策算法，它根据数据的不同特征进行多层次的分类和判断，最终决策出所需要预测的结果。它既可以解决分类算法，也可以解决回归问题，具有很好的解释能力。决策树就如上图所示，决策树算法能够读取数据集合，构建类似于上图的决策树。决策树的一个重要任务是为了厘清数据中所蕴含的知识信息，因此决策树可以使用不熟悉的数据集合，并从中提取出一系列规则，在这些机器根据数据集创建规则时，就是机器学习的