图书标签: 机器学习  强化学习  TML  ML   

喜欢 Statistical Reinforcement Learning 的读者还喜欢

统计视角看机器学习，主要是对作者所做的工作和相关领域进行总结。重点着墨在近似方法和sample reuse。非包罗万象，薄薄一本也可说是内容丰富。大部分章节写的清楚易懂，需要有背景知识。

统计视角看机器学习，主要是对作者所做的工作和相关领域进行总结。重点着墨在近似方法和sample reuse。非包罗万象，薄薄一本也可说是内容丰富。大部分章节写的清楚易懂，需要有背景知识。

统计视角看机器学习，主要是对作者所做的工作和相关领域进行总结。重点着墨在近似方法和sample reuse。非包罗万象，薄薄一本也可说是内容丰富。大部分章节写的清楚易懂，需要有背景知识。

统计视角看机器学习，主要是对作者所做的工作和相关领域进行总结。重点着墨在近似方法和sample reuse。非包罗万象，薄薄一本也可说是内容丰富。大部分章节写的清楚易懂，需要有背景知识。

统计视角看机器学习，主要是对作者所做的工作和相关领域进行总结。重点着墨在近似方法和sample reuse。非包罗万象，薄薄一本也可说是内容丰富。大部分章节写的清楚易懂，需要有背景知识。

总的来说，这本书层次框架较清晰，翻译的也很不错。但是介绍的强化学习算法较老，较偏统计，当然这和本书主题非常靠近。 另外，介绍的算法也较少，包括Tabular Method, Dynamic Programing都没有介绍，像比较新的DPG,DDPG,PPO之类的也没有介绍。不过本书的目的介绍RL的一个简要...

总的来说，这本书层次框架较清晰，翻译的也很不错。但是介绍的强化学习算法较老，较偏统计，当然这和本书主题非常靠近。 另外，介绍的算法也较少，包括Tabular Method, Dynamic Programing都没有介绍，像比较新的DPG,DDPG,PPO之类的也没有介绍。不过本书的目的介绍RL的一个简要...

总的来说，这本书层次框架较清晰，翻译的也很不错。但是介绍的强化学习算法较老，较偏统计，当然这和本书主题非常靠近。 另外，介绍的算法也较少，包括Tabular Method, Dynamic Programing都没有介绍，像比较新的DPG,DDPG,PPO之类的也没有介绍。不过本书的目的介绍RL的一个简要...

总的来说，这本书层次框架较清晰，翻译的也很不错。但是介绍的强化学习算法较老，较偏统计，当然这和本书主题非常靠近。 另外，介绍的算法也较少，包括Tabular Method, Dynamic Programing都没有介绍，像比较新的DPG,DDPG,PPO之类的也没有介绍。不过本书的目的介绍RL的一个简要...

总的来说，这本书层次框架较清晰，翻译的也很不错。但是介绍的强化学习算法较老，较偏统计，当然这和本书主题非常靠近。 另外，介绍的算法也较少，包括Tabular Method, Dynamic Programing都没有介绍，像比较新的DPG,DDPG,PPO之类的也没有介绍。不过本书的目的介绍RL的一个简要...