月供5000元，30年，想想就觉得可怕！ 今年39岁，还完房贷我就69岁了。 且不说，我能不能活到69岁。 就算活到69岁，月月还贷，这日子就过的累。 房贷一个月5000，还...
IP属地：四川
-
月供5000元，30年！
-
DRL王树森 Policy Gradient 策略梯度算法
Policy Gradient 通过策略网络控制智能体运动policy gradient: Baseline Let the baseline , be anything ...
-
DRL王树森 Dueling Network
advantage function Dueling Network DQN改进DQN实际中，通过均值替代，实验效果更好 Dueling Network的输入和输出和DQN完...
-
DRL王树森 Experience Replay
Revisiting DQN and TD Learning let 通过TD算法训练DQN TD算法 观测得到,执行,返回TD target TD erroe ,make ...
-
DRL王树森 Multi-Step TD Target
简单回顾 算法目标sarsaQ-learning one-step rewardUsing Multiple rewards 推导 多步回报： m-step TD targe...
-
DRL王树森-Q-Learning
学习最优动作函数 sarsa is for training action-value function TD target: We used Sarsa for uodat...
-
DRL王树森-Sarsa
Assume depends on 定义： 蒙特卡洛近似：TD target TD learning: Encourage to approach Sarsa(Tabul...
-
DRL王树森-Actor-Critic Methods
Value_Based MethodsPolicy-Based MethodsActor-Critic Methods Value Network & Policy Netw...
-
DRL王树森-策略学习Policy-Based Reinforcement Learning 用一个神经网络近似策略函数：:控制运动 Policy Function Approximation i...
-
DRL王树森-价值学习
Value-Based Reinforcement Learning 动作价值函数 action的随机性 state transition的随机性 通过期望排除action,...
-
DRL王树森-基本概念强化学习 agent在与env.的互动过程中为了达成goal的学习过程。 Random Variable 随机变量 变量的值取决与随机事件的结果代表对随机变量的观测值(区分随...
-
爬虫演练-1.豆瓣电影TOP250
案例要求 爬取电影名称、发布年限、评分、评价人数标签数据。爬虫思路： request.get 爬取页面源代码 re 正则提取标签数据 openpyxl 存储excel 代码演示
