EM算法可视为“推断隐变量分布”和“求参数”交替进行。这里应用变分推断方法推断隐变量分布。

周志华西瓜书《机器学习》习题提示——第3章

AdaBoost算法实现了“三合一”：1、不同的分布则可得到不同的学习器，利用这些不同的学习器，进行投票可得到一个集成学习器；2、这些分布是一系列演进的，即通过先前的学习器的效果（损失情况）对分布进行调整。3、算法优化是动态过程，即逐步累加且权重是经过优选的。

对期望的处理通常是采取近似方法：转化为对一组样本求和（再平均）。这就要依分布产生这组样本（采样）。当贝叶斯图络中含有隐变量时，需要使用EM算法对其进行推断，由此可以基于EM算法构造贝叶斯图络。

- `model_dump_json()`：将`pydantic`模型转换为JSON格式的字符串。- `model_validate_json()`：将JSON格式的字符串转换为`pydantic`模型。- `model_dump()`：将`pydantic`模型转换为Python字典。- `model_validate()`：将Python字典转换为`pydantic`模型。

mypy是一个流行的Python 静态类型检查器，它可以帮助你发现代码中的类型错误，而无需实际运行代码。mypy通过分析你的 Python 代码中的类型提示（type hints）来工作，这些类型提示可以是显式声明的（使用类型注解），也可以是隐式推断的。

Python 的内置open函数已经实现了上下文管理协议（即具有__enter__和__exit__方法），因此可以直接使用with语句来自动管理文件的打开和关闭。contextlib库通过提供contextmanager和asynccontextmanager装饰器，极大地简化了上下文管理器的编写和使用，无论是同步还是异步编程中。这些工具使得资源管理变得更加安全和方便，减少了资源泄露的风险。

面向多方向时，核心是用 **(dx, dy) 方向向量** 替代单一的 `facing` 值，通过向量分量分别控制水平和垂直偏移，再结合角色中心坐标计算武器位置。这种方式可以灵活支持任意方向（包括8向、16向等），是2D游戏中处理多方向朝向的常用逻辑。

一个样本的似然、一组同类样本的似然、整个数据集上的似然对数似然（对数边际似然）：通过求期望（求和或求积分）来减少概率中的变量称为边际化。

假定已经训练出一组学习器，那么，可以由这组学习器的输出结果作为样本，再以此训练出一个学习器，这就形成了二级级联形式。将投票视为一级，则基于投票法的算法（如，AdaBoost）也是级联。