智能代理者一. 智能代理者一. 智能代理者首先什么是代理者(agent)： 代理者可以是人，可以是机器，甚至你说是温度计也行,即代理者是利用传感器(sensors)来感知环境并利用感受器(effectors)来做出行为. 举个例子人类作为代理者有眼睛，耳朵，利用眼睛你看到有人要扇你耳光(环境)，从而你要做出防御行为(action).上图可能被老师,前辈们都讲烂了，小弟这还是啰嗦两句，代理者利用传感

模型选择标准，惩罚回归，结语一. 模型选择标准(Model selection criteria)二. 惩罚回归(Penalized Regression)三. 结语一. 模型选择标准(Model selection criteria)我们回顾下监督学习当我们有p+1p+1p+1个变量和n组数据(n行)，如果我们要预测其中的一个变量，我们要利用剩下的部分变量(<=p个)来预测我们的这个变量。

假设检验，结语一. 假设检验(Hypothesis Testing)二.结语一. 假设检验(Hypothesis Testing)看到第五章，可能大家会有两个问题:1.是否我们的参数等于一个具体的数值么？2.如果有多个模型是否，其中某一个模型更能诠释我们的数据.本章我们就讨论下第一个问题假设检验(Hypothesis Testing)通常应用在参数的估计上。这个词，很明显，我们假设是否我们的真参等

智能代理者一. 智能代理者一. 智能代理者首先什么是代理者(agent)： 代理者可以是人，可以是机器，甚至你说是温度计也行,即代理者是利用传感器(sensors)来感知环境并利用感受器(effectors)来做出行为. 举个例子人类作为代理者有眼睛，耳朵，利用眼睛你看到有人要扇你耳光(环境)，从而你要做出防御行为(action).上图可能被老师,前辈们都讲烂了，小弟这还是啰嗦两句，代理者利用传感

无信息搜索，有信息搜索一. 无信息搜索(uniformed search strategies)二. 广搜(bread first search)三. 统一代价查询(Uniform cost search)一. 无信息搜索(uniformed search strategies)无信息搜索的含义是搜索时，除了状态外，无额外信息来帮助你搜索. 从边缘节点中挑选某个节点进行扩展，直到找到我们的目标节点

目录第一章：基本介绍，模型，随机变量第二章：期望，概率分布第三章：取样，参数估计和偏差第四章：置信区间第五章：假设检验第六章：线性回归第七章：分类，逻辑回归第八章： 模型选择，惩罚回归第九章：树，邻近算法第十章：非监督式学习介绍第十一章：基于统计方法的模拟...

无信息搜索，有信息搜索一. 无信息搜索(uniformed search strategies)二. 广搜(bread first search)三. 统一代价查询(Uniform cost search)一. 无信息搜索(uniformed search strategies)无信息搜索的含义是搜索时，除了状态外，无额外信息来帮助你搜索. 从边缘节点中挑选某个节点进行扩展，直到找到我们的目标节点

无信息搜索，有信息搜索一. 无信息搜索(uniformed search strategies)二. 广搜(bread first search)三. 统一代价查询(Uniform cost search)一. 无信息搜索(uniformed search strategies)无信息搜索的含义是搜索时，除了状态外，无额外信息来帮助你搜索. 从边缘节点中挑选某个节点进行扩展，直到找到我们的目标节点