其乐融融 发布于 2024/05/31 02:17:05

特征选择是构建机器学习模型过程中的决定性步骤。为模型和我们想要完成的任务选择好的特征，可以提高性能。

阅读()评论(0)赞 ()标签：机器学习 / 强化学习

其乐融融 发布于 2024/03/19 02:17:06

Github 上有一些受欢迎的 RL 项目，下面，我们列举19个最受欢迎的强化学习项目。

阅读()评论(0)赞 ()标签：机器学习 / 强化学习 / 人工智能

其乐融融 发布于 2023/11/01 02:17:07

强化学习(RL)是一种机器学习方法，它允许代理通过试错来学习如何在环境中表现。行为主体因采取行动导致预期结果而获得奖励，因采取行动导致预期结果而受到惩罚。随着时间的推移，代理学会采取行动，使其预期回报最大化。

阅读()评论(0)赞 ()标签：机器学习 / 强化学习

其乐融融 发布于 2023/10/26 02:17:45

时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。

阅读()评论(0)赞 ()标签：强化学习 / 时态差分法

其乐融融 发布于 2023/10/26 02:17:20

近年来强化学习(RL)在算法交易领域受到了极大的关注。强化学习算法从经验中学习并基于奖励优化行动使其非常适合交易机器人。在这篇文章，我们将简单介绍如何使用Gym Anytrading环境和GME (GameStop Corp.)交易数据集构建一个基于强化学习的交易机器人。

阅读()评论(0)赞 ()标签：强化学习 / 机器学习

其乐融融 发布于 2023/08/15 05:01:12

时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。

阅读()评论(0)赞 ()标签：强化学习 / 时态差分法

其乐融融 发布于 2023/07/21 05:01:16

近年来强化学习(RL)在算法交易领域受到了极大的关注。强化学习算法从经验中学习并基于奖励优化行动使其非常适合交易机器人。在这篇文章，我们将简单介绍如何使用Gym Anytrading环境和GME (GameStop Corp.)交易数据集构建一个基于强化学习的交易机器人。

阅读()评论(0)赞 ()标签：强化学习 / 机器学习