在之前的讨论中，一场游戏只有一个智能体。而在博弈论中，智能体评估它们的决策如何与其他人的决策相互作用以产生不同的结果。
看一个具体的博弈游戏：
圆圈中的数字代表一个状态。L/R/M 代表智能体可采取的动作。叶子节点的数字代表智能体 A 的得分（B的得分是相反数)首先 A 做出一个选择（动作），随后 B 做出一个动作，然后 A 可视情况再次做出一个动作。
博弈论一个基本前提是：假设所有玩家都想最大化自己的得分，并都可以正确做出最佳动作，并都相信其他玩家也会这样做。
这是博弈问题最简单的一种：两个玩家的零和有限确定性完美信息博弈。
Q-learning 是一个经典的强化学习算法。
为了便于描述，这里依然定义一个“世界”：
令空白格子的奖励为1.
Q-table 是 Q-learning 的核心。它是一个表格，记录了每个状态下采取不同动作，所获取的最大长期奖励期望。通过此，就可以知道每一步的最佳动作是什么。
Q-table 的每一列代表一个动作，每一行表示一个状态。则每个格子的值就是此状态下采取此动作获得的最大长期奖励期望。例如：
| U↑ | D↓ | L← | R→ | |
|---|---|---|---|---|
| START | ? | 0 | 0 | ? |
| (2,1) | 0 | 0 | ? | ? |
| (1,2) | ? | ? | 0 | 0 |
| … | … | … | … | … |
上表表示，对于状态 STRAT 向下或左的奖励期望是0（因为无法移动），其余两个方向由于未探索，所以奖励未知。状态(2,1)和状态(1,2)同理。
如果能求出整个表的所有值，那么这个问题就解决了。为了做到这一点，需要使用 Q-learning 算法。
Markov 决策过程中文译为马尔可夫决策过程。英文全称为 Markov Decison Processes，简称 MDP.
为了便于描述，首先定义一个“世界”，如下：
从起点开始，每次选择往四个方向走一格子。目标是到达绿色格子，游戏结束，碰到红色则失败，游戏结束。
黑色格子为障碍物，碰到障碍物或撞到墙壁则原地不动。
但是每次移动准确率只有80%，另外有20%的概率向与目标方向垂直的方向移动，这两个垂直的方向概率各是10%.
T(s,a,s')，他生成的其实是一个概率：P(s'|s,a)，即：从状态s，采取动作a，转换到状态s’的概率。R(s)，也可以变形为 R(s,a) 或 R(s,a,s').π(s) → a. 而 $ \pi^* $ 则表示最优策略，它最大化长期期望奖励。从MODEL定义，可以得出 Markov 特性，即：下一个状态的产生只和当前状态有关。
家里升级了电信200M宽带，上行也提高到了20M，原来的百兆路由器已经不能满足需要了，经过一番比较最终入手了华硕AC86U。不过那么快的网速加上辣么棒的路由器，不做点别的实在太可惜了。折腾了一会后，成功实现媒体服务器、离线下载、远程管理、文件共享等诸多功能，着实提高了生活质量。
路由器：华硕AC86U
固件：梅林
其他设备例如部分网件路由器也可以刷梅林固件，不行的话只好找其他固件或插件实现。本文提供的是一个思路，不同设备固件有不同的实现方法。
在机器学习中，对于一个模型的性能评估是必不可少的。准确率(Accuracy)、查准率(Precision)、查全率(Recall)是常见的基本指标。
为了方便说明，假设有以下问题场景：
一个班有50人，在某场考试中有40人及格，10人不及格。
现在需要根据一些特征预测出所有及格的学生。
某一模型执行下来，给出了39人，其中37人确实及格了，剩下2人实际上不及格。
Linux 上默认不能输入中文，很是麻烦。搜狗应该是目前 Linux 比较顺手的输入法了，而且也不像 windows 平台那么流氓，那么就用它吧。
去官网 https://pinyin.sogou.com/linux/ 根据自己系统情况下载安装包。
在终端输入下面命令执行安装：1
2# 注意根据自己实际情况写路径参数
sudo dpkg -i sogoupinyin_2.2.0.0102_amd64.deb
所有段子均来自网络，版权归原作者所有。博君一笑，请勿当真 :)
余大嘴到了山上的禅院找到大师，问自己如何才能超过三星，苹果，成为全球最强手机厂商，大师听完，带他到一片草地上，清晨的水汽还未散去，草地上有大大小小的露珠，不论怎么样就是不会散，余大嘴立马明白“大师你是说要我们不能散，要团结其他厂商一起打败三星苹果？”大师回答道“连草TM都有疏油层！”
距离 windows hello 推出已经很长时间了，但由于需要额外购买配件，很多朋友至今都没能过把瘾。如果你手里有个不是太旧的三星手机的话，事情就变得简单了 =￣ω￣=
先看看效果图：
