文件名称:
jdk-8u161-windows-x64
开发工具:
文件大小: 976byte
下载次数: 0
上传时间: 2018-04-17
详细说明： 我分析的目标分类随时间的变化各参数的系数会产生变化，比如，用softmax对孩子的健康水平进行分类。随时间的变化，同龄孩子的体重会逐渐偏高，需要用强化学习把体重情况和孩子的健康情况的系数进行更新。 目前，我是随着时间的变化每次测试中重建机器学习框架，重新生成一套系数，但是这样系数变化会比较大，我需要利用强化学习把这个系数变化做得更平滑一些，求大神指教（请根据以下代码进行添加和修改，我看了很多强化学习的案例，还是不知道怎么应用在这里）。 w=[] u=[] for lenth in range (5,training_lenth-1): x=tf.placeholder("float", [None,25]) y=tf.placeholder("float", [None,2]) W=tf.Variable(tf.zeros([25,2])) b=tf.Variable(tf.zeros([2])) actv= tf.nn.softmax(tf.matmul(x,W)+b) cost=tf.reduce_mean(-tf.reduce_sum(y*tf.log(actv), reduction_indices=1 )) learning_rate=0.01 optm= tf.train.GradientDescentOptimizer(learning_rate).minimize(cost) pred=tf.equal(tf.argmax(actv, 1), tf.argmax(y, 1)) accr=tf.reduce_mean(tf.cast(pred,"float")) init=tf.global_variables_initializer() sess=tf.InteractiveSession() sess=tf.Session() sess.run(init) training_lenth=len(G)####(回测长度） training_epochs =500 #训练次数 batch_size = len(G) #每 for epoch in range(training_epochs): avg_cost=0 num_batch=int(len(G)/batch_size) for i in range((lenth-4),lenth): batch_xs=np.array(G[i]) batch_ys=np.array(F[i]) sess.run(optm, feed_dict={x: batch_xs, y: batch_ys}) feeds={x:batch_xs, y: batch_ys} avg_cost += sess.run (cost, feed_dict=feeds)/(num_batch*lenth) feeds_train = {x: batch_xs, y: batch_ys} feeds_test = {x: G[i+1], y: F[i+1]} train_acc = sess.run(accr, feed_dict=feeds_train) #feed_dict 针对place holder占位 test_acc = sess.run(accr,feed_dict=feeds_test) w.append(test_acc) u.append(train_acc) result=sess.run(actv,feed_dict=feeds_test) print(result) print ("lenth: d/d cost: %.9f train_acc: %.3f test_acc: %.3f" % (lenth, training_epochs, avg_cost, train_acc, test_acc))#打印方法 ...展开收缩
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
