Теория игр для машинного обучения: перспектива Теория игр — это система математического моделирования, изучающая взаимодействие между заинтересованными сторонами. То есть игроки, которые могут принимать решения самостоятельно. Это может быть что угодно, от крестиков-ноликов до решения, как инвестировать в акции, до решений о войне и мире между странами. Эта область получила прочную основу, когда знаменитый математик Джон Нэш, часто известный своим биографическим фильмом Игры разума..

Ансамблевое обучение — это парадигма машинного обучения, в которой несколько учащихся обучаются решению одной и той же задачи. Он делает выводы из набора гипотез, а не из одной гипотезы. Ожидается, что все учащиеся в ансамбле будут разными , чтобы их мнение учитывалось. Если они не разнообразны, то их предсказания становятся коррелированными, и вся система так же эффективна, как один классификатор. В этом посте мы сосредоточимся на проблемах классификации. Как правило, на практике..

Они сказали, что это азартная игра. Они сказали, что это весело. Входит 151 команда, одна команда уходит. Сможет ли ваша стратегия противостоять лучшим? По крайней мере, таков был план. Но Hog - это не азартная игра, это игра вероятностей. Холодная, безжалостная вероятность, где маржа 0,008% может означать разницу между сочным беконом и далеким 6-м местом. Так как же победить Борова? На самом деле это просто: вы позволяете компьютеру делать выбор. Что такое динамическое..

«Начните с конца в уме». Это вторая привычка Стивена Р. Кови в его чрезвычайно успешной книге Семь навыков очень успешных людей . Он начинает с драматического упражнения в воображении собственной смерти — конца жизни, о котором вы должны помнить. В постоянно меняющемся и непредсказуемом мире 21 века этот совет может показаться устаревшим. Долгосрочные планы проектов закончились, а Agile появился. Должны ли мы по-прежнему начинать с конца? Даже в компьютерный век мы можем извлечь..