本文首先证明了k-means算法的收敛性，与网上已有资料相比较为简洁明了。后半部分讨论了k-means结合GMM与RPCL算法思想后产生的两种变体。本文不适合初步了解k-means算法阅读。

本文用python训练一个智能体，可以从起点走向终点而不会掉下悬崖，实现并对比强化学习中的Sarsa和Q-learning算法，讨论形成最优解因素。

逻辑回归是在工业界广泛应用的分类算法，特点是结构简单，主要有以下优缺点：

pros
1.训练和运行速度都很快
2.实现方便
3.内存占用少
4.可解释性好

cons
1.由于于无法拟合非线性关系，对特征工程的要求较高。
2.对多重共线性数据较为敏感