摘要：
【先说条件概率】 条件概率是指在某个事件发生的条件下，另一个事件发生的概率。以下是一个实际的例子：假设你有一副扑克牌（不包括大小王，共52张牌），你随机抽一张牌。我们设事件A为"抽到的牌是红色的"（红心和方块为红色，共26张），事件B为"抽到的牌是心"（红心共13张）。1. 首先，我们可以计算事件A 阅读全文
摘要：
【写在前面】 在sklearn库中，没有直接称为"最大熵模型"的类，但是有一个与之非常相似的模型，那就是LogisticRegression。逻辑回归模型可以被视为最大熵模型的一个特例，当问题是二分类问题，且特征函数是输入和输出的线性函数时，最大熵模型就等价于逻辑回归模型。 【最大熵模型的原理】 最 阅读全文
摘要：
【PPO算法介绍】 PPO（Proximal Policy Optimization）是一种强化学习算法，它的目标是找到一个策略，使得根据这个策略采取行动可以获得最大的累积奖励。PPO的主要思想是在更新策略时，尽量让新策略不要偏离旧策略太远。这是通过在目标函数中添加一个额外的项来实现的，这个额外的项 阅读全文