林轩田机器学习笔记

【实例简介】模拟决赛现场最终成绩计算.py 编写函数，模拟决赛现场最终成绩计算过程。首先输入大于2的整数作为评委人数，然后依次输入每个评委的打分，要求每个评委打的分数都介于0~100。输入完所有评委打分之后，去掉一个最高分，去掉一个最低分，剩余分数的平均分即为该选手的最终评分。

一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others，设置几帧图像进行一次动作， # K越大让控制台输出的速度变慢，游戏画面速度变快，机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右，EPSILON=1.0，Q_MAX= 2.061341e-02：图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后：EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升，但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后：EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后：EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files

零基础学 Python（全彩版）——笔记.docx

功能简介: 群聊功能: 一个聊天窗口发消息全部都能收到 私聊功能: 只能给特定的IP和端口或者用户名发消息 查看在线用户功能: 可以查看当前在线用户 上传下载功能: 用户可以从文件服务器上传下载文件 发送表情功能 发送图片功能步骤: 版本1-7 文字聊天室 版本8 将文字聊天室界面美化，加按钮、换文本框(用于显示的列表框不能贴图) 版本9 开始文件管理器的图形界面化 版本10 将文件功能加入聊天室(ftpDemo) 版本11 开始将发送表情功能加入聊天室 版本13-14 开始将发送图片功能加入聊天室PS: 版本号对应文件夹尾号 项目文件夹是按功能一个个分的 里面的代码如果有多个版本则是功能慢慢完善的过程 更多的具体看每个代码开头的注释说明

本数据集来自葡萄牙银行定期存款产品营销活动数据，主要包含三部分的信息。第一部分为客户基本信息，如年龄、职业、婚姻状况、受教育程度等；第二部分为与客户的沟通信息，如上次营销活动中与客户沟通时所在的月份、工作日、时长等；第三部分为社会经济数据，如消费者价格指数、消费者信心指数等。 通过此数据集，我们将要探讨以下问题：具备哪什么特征的客户更有可能购买定期存款产品？在什么时间与客户沟通更有可能让客户购买存款产品？如何根据数据分析结果指导银行的营销活动？

12306春运抢票

Transfer Learning.pdf

dbscan聚类代码

人工智能在银行领域应用

python 五子棋游戏源码(带背景音乐，基于pygame)