哈夫曼树是一种重要的数据结构，用于压缩和编码数据。它由经典的数学家和计算机科学家大卫哈夫曼在20世纪50年代发明。哈夫曼树的目的是为了在编码和解码数据中，尽可能地减少所需的比特数。换句话说，它可以将大量数据压缩为在传输过程中所需的最小比特数。在NLP领域的词向量开篇制作Word2Vec中用到了一种softmax优化方法——层次softmax，就是将词频编码成哈夫曼树的形式，然后，（以skip-gr

1. 多项式线性拟合# 多项式import numpy as npx = 6*np.random.rand(100,1) -3y = 2 + 0.5 * x ** 2 + x + np.random.rand(100, 1)import matplotlib.pyplot as pltplt.style.use('ggplot')plt.scatter(x, y, s=2, c=...

在ubuntu22.4 python3.10的环境中安装mujoco 折腾了半天，记录下。

摘要：本文系统分析了Agent能力栈中Skills、MCP、Tools和Subagents四组件的对比关系。MCP解决数据访问问题，Tools提供基础功能，Skills传授专业知识，Subagents实现任务分解。四者形成"数据访问→做事方法→具体执行"的协作链：MCP作为桥梁连接外部系统，Skills作为大脑提供方法论，Tools和Subagents作为执行单元。通过客户洞察

PPO这类算法都是在线策略算法，样本效率（sample efficiency）较低。像DQN算法，是直接估计最优价值函数，可以做离线策略学习，但是它只能处理动作空间有限的环境。吸收DQN的优点，同时弥补PPO这类算法的缺陷，DDPG（deep deterministic policy gradient）就顺应而生。它构造一个确定性策略，用梯度上升的方法来最大化值。DDPG 也属于一种 Actor-

将sklearn的决策树规则输出成SQL主要使用sklearn.tree._tree 读取决策树的信息1、输出成SQL的主要函数import numpy as npfrom sklearn.tree import DecisionTreeClassifierfrom sklearn.tree import _treedef tree_to_code(tree, feature_...

一、SMOTE原理SMOTE的全称是Synthetic Minority Over-Sampling Technique 即“人工少数类过采样法”，非直接对少数类进行重采样，而是设计算法来人工合成一些新的少数样本。SMOTE步骤__1.选一个正样本红色圈覆盖SMOTE步骤__2.找到该正样本的K个近邻（假设K = 3）可以是正样本也可以是负样本绿色圈覆盖SMOTE步骤__3.随机...

强化学习算法PPO2训练Atari 打砖块游戏

PPO2优化：1） Value Function Loss Clipping；2）batch adv normalize;3）共用一个优化器；4）loss累和；5）特征权重初始化；6）向量环境SyncVectorEnv 及 wrapper技巧

TD3征服CarRacing-v2环境，对环境的调整已经actor-critic网络构建经验分享