种树不止为了环境！谁说决策树不是树。

本文将复习并记录的最大熵&logistics模型的推导和思想。

本文将复习并记录支持向量机的概念、数学推导及SMO实现。

本章将会聚焦于强化学习中的基本概念，希望可以简单通俗的语言解释清楚何为 状态 (State) 、动作 (Action)、状态空间、行动空间、 状态转移(State transition)、策略 (Policy) 、奖励 (Reward)、轨迹 (Trajectory)、回报 (Return)、 回合 (Eposide)、马尔可夫决策过程 (Markov Decision Process) 这些概念的定义以及基于这几个概念建立的整个 RL 框架。

正则表达式可以允许我们对于文本进行十分精细的处理，但首先我们需要明确其语法与使用方式。在日常使用时，可以结合https://regexr.com食用！网站提供了即时的正则表达式可视化，真是再好不过了！🎇🎇🎇

主要收集介绍一些常用的基础聚类算法及python实现。