天池学习

💪朝着抵抗力最大的路径走-Rank16-强化学习、黑盒攻击、Baseline-SecurityAIRound4

匿名
0
0
0
文章

0

版权声明：本文内容由阿里云天池用户自发贡献，版权归原作者所有，天池社区不拥有其著作权，亦不承担相应法律责任。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。


全部评论(8)

  • https://github.com/IvanaXu/TianChiProj/blob/master/2020.09-2.SecurityAI_Round4

    8楼0回复发表于北京市

  • +1

    7楼0回复发表于北京市

  • lrModel = linear_model.RidgeCV(alphas=alphas_to_test, store_cv_values=True) ??? 

    6楼0回复

  • https://kexue.fm/archives/7737

    5楼1回复

  • [good]

    4楼1回复
    tc-hero：
    2020-09-06 09:55:18
    circle法类似，没想到会是一个用于攻击的baseline
    0回复

  • 推荐学习链接

    3楼0回复

  • 先赞再评，个人感觉强化学习跟有监督学习相比，只是sample收集机制不同，能够边学边收集

    2楼0回复
    IvanAXu.：
    2020-09-03 21:34:03
    差不多，但不甚具体。 本质差异在于： 【1】强化学习数据更序列化且是需反馈； 【2】强化学习target是估计所得； 【3】强化学习强调过程化，更有生命； 引用周志华《机器学习》 “但不同的是，在强化学习中并没有监督学习中的有标记的样本，换言之，没有人直接告诉机器在什么状态下应该做什么动作，只有等到最终结果揭晓，才能通过‘反思’之前的动作是否正确来进行学习，因此，强化学习在某种意义上可看作具有‘延迟标记信息’的监督学习问题”
    3回复

  • ！

    1楼0回复