如何让你的机器学习玩超级玛丽
2016-12-23
2075
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
【1】 http://www.ehrenbrav.com/2016/08/teaching-your-computer-to-play-super-mario-bros-a-fork-of-the-google-deepmind-atari-machine-learning-project/【2】 https://youtu.be/C-BY3JhXTiE
目录
相关文章
|
1月前
|
机器学习/深度学习
数据可视化
算法
|
8月前
|
机器学习/深度学习
数据采集
搜索推荐
机器学习在生物信息学中的应用
机器学习在生物信息学中的应用正迅速改变着生物学研究的面貌。通过在基因组学、蛋白质结构预测、药物研发、癌症诊断等领域的应用，机器学习为生物信息学带来了新的机遇和挑战。然而，我们也要认识到在处理数据质量、可解释性和数据隐私等方面可能面临的困难。未来，随着技术的不断进步，机器学习将在生物信息学领域持续发挥重要作用，为生命科学研究带来更多的创新和突破。
241
1
1
|
机器学习/深度学习
存储
传感器
入坑机器学习：二，监督学习
第三个问题是输入空间的维数。如果输入特征向量具有非常高的维数，学习问题是很困难的，即使真函数仅依赖于一个小数目的那些特征。这是因为许多“额外”的尺寸可混淆的学习算法，并使其具有高方差。因此，高的输入维数通常需要调整分类器具有低方差和高偏置。在实践中，如果工程师能够从输入数据手动删除不相关的特征，这是有可能改善该学习功能的准确性。此外，还有许多算法的特征选择，设法确定相关特征，并丢弃不相关的。这是维数降低，其目的是将输入数据映射到较低维空间中运行的监督学习算法之前的更一般的策略的一个实例。
119
0
0
|
机器学习/深度学习
漫画：什么是机器学习？
机器学习按照方式不同主要分为三大类，有监督学习(Supervised learning)、无监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)。
183
0
0
|
机器学习/深度学习
文字识别
算法
机器学习，你不得不掌握的十大算法（下）
通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。
90
0
0
|
机器学习/深度学习
存储
消息中间件
|
机器学习/深度学习
人工智能
算法
学界 | 不！机器学习才不只是统计学的美化！
4786
0
0
|
机器学习/深度学习
人工智能
TensorFlow
三本关于机器学习和深度学习的书
这几本在Amazon上的排名都非常高，最近特别火的书。
第一本：《用Scikit-Learn和TensorFlow实践机器学习》（Hands-On Machine Learning with Scikit-Learn and TensorFlow:...
1065
0
0
|
机器学习/深度学习
人工智能
自然语言处理
写给人类的机器学习 一、为什么机器学习重要
一、为什么机器学习重要
原文：Machine Learning for Humans
作者：Vishal Maini
译者：飞龙
协议：CC BY-NC-SA 4.0
简单、纯中文的解释，辅以数学、代码和真实世界的示例
谁应该阅读它
想尽快赶上机器学习潮流的技术人员
想要入门机器学习，并愿意了解技术概念的非技术人员
好奇机器如何思考的任何人
本指南旨在让任何人访问。
1428
0
0
|
机器学习/深度学习
算法
程序员
用超级玛丽理解机器学习基础
有关神经网络和机器学习的文章很多，因为这个主题在最近几年里非常受欢迎。该领域看起来似乎让人难以靠近，并且非常难以理解。但实际上机器学习和神经网络的基本概念不一定像人们想象的那样复杂。本文的目的是通过一个简单的例子来解释机器学习工作原理的高层概念。
3067
0
0