人工智能
R语言 Logistic回归~模型构建
线性回归模型是研究连续型变量与一组自变量之间的关系。也就是说线性回归模型的因变量是连续型变量。如果因变量是分类变量，则是非线性的，此时需要用Logistic回归，对其发生概率进行线性回归。
Logistic回归预测模型思路：
1.模型构建
2.模型评价
3.模型验证
模型构建~~二元Logistic回归
二元Logistic模型构建应用条件
1.足够的样本量（样本量一般为变量的10~20
【R实战 高级方法】十四、主成分和因子分析
这里是佳奥！R实战部分的学习进入后期，我们继续高级方法的学习。
主成分分析（PCA）是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关变量称为主成分。
探索性因子分析（EFA）是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测到的、显式的变量间的关系。
首先，我们将回顾R中可用来做PCA或EFA的函数，并简略看一看相关分析流程。
群体行为（不要碰到对方）
书名：代码本色：用编程模拟自然系统
作者：Daniel Shiffman
译者：周晗彬
ISBN：978-7-115-36947-5
第6章目录
6.11 群/体行为（不要碰到对方）
1、ArrayList
在粒子系统类中，我们用ArrayList存放粒子的列表。我们会在本例中做同样的事情：把一组Vehicle对象存放到ArrayList中。
ArrayList<Vehicle>
跟着Nature Plants学作图：R语言ggplot2画分组折线图和置信区间
论文
The flying spider-monkey tree fern genome provides insights into fern evolution and arborescence
#Sec44
数据下载链接
优化算法matlab实现（八）人工蜂群算法matlab实现
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
注意：此代码实现的是求目标函数最大值，求最小值可将适应度函数乘以-1（框架代码已实现）。
1.代码实现
不了解人工蜂群算法可以先看看优化算法笔记（八）人工蜂群算法
实现代码前需要先完成优化算法matlab实现（二）框架编
kotlin<第八篇>：协程的启动与取消
一、启动构建器
launch与async构建器都用来启动新协程：
1、launch，返回一个Job，并且不附带任何结果值
2、async，返回一个Deferred，Deferred也是一个Job，可以使用.await()在一个延期的值上得到它的最终结果。
等待一个作业：
1、线程切换
launch(Dispatchers.Default) {
println("1")
从零开始强化学习（四）——策略梯度
四. 策略梯度(Policy Gradient)
4.1 期望奖励(Expected Reward)
在强化学习中有3个组成部分：演员(actor),环境(environment)和奖励函数(reward function)
演员就是一个网络，输入状态，输出动作
环境就是一个函数，输入状态和动作，输出状态。环境是基于规则的规则，是确定不变的
奖励是在某一个状态下采取某个动作能够获得的分数。环境是
