SCOPE-RL是一款开源 Python 软件，用于实现离线强化学习（离线 RL）的端到端流程，从数据收集到离线策略学习、离策略

是一款开源Python软件，用于实现离线强化学习（离线RL）的端到端流程，从数据收集到离线策略学习、离策略性能评估和策略选择。软件包括一系列模块，用于实现合成数据集生成、数据集预处理、离策略评估(OPE)和离策略选择(OPS)方法的估计器。该软件还与d3rlpy兼容，后者实现了一系列在线和离线RL方法。SCOPE-RL通过OpenAIGym和类似Gymnasium的界面，可以在任何环境中进行简单、透明且可靠的离线RL研究实验。它还有助于在各种定制数据集和真实数据集的实践中实现离线强化学习。特别是，SCOPE-RL能够并促进与以下研究主题相关的评估和算法比较：离线强化学习：离线强化学习旨在仅从行为策略收集的离线记录数据中学习新策略。SCOPE-RL使用通过各种行为策略和环境收集的定制数据集来实现灵活的实验。离线策略评估：OPE旨在仅使用离线记录的数据来评估反事实策略的性能。SCOPE-RL支持许多OPE估计器，并简化了评估和比较OPE估计器的实验程序。此外，我们还实现了先进的OPE方法，例如基于状态动作密度估计和累积分布估计的估计器。离线策略选择：OPS旨在使用离线记录的数据从多个候选策略池中识别性能最佳的策略。SCOPE-RL支持一些基本的OPS方法，并提供多种指标来评估OPS的准确性。

非结构化数据分析机器学习平台

非结构化数据分析机器学习平台世界上80%的数据是以文本、图像、音频、视频等形式呈现的非结构化数据。使用Relevance释放非结构化数据的价值：在几行代码中使用预训练的机器学习模型快速分析非结构化数据。可视化你的非结构化数据。来自命名实体识别的文本突出显示，来自关键字的词云，来自图像的边界框。为结构化和非结构化创建图表。使用过滤器和相似性搜索进行钻取以探索和发现见解。与团队共享数据应用程序。RelevanceAI还充当以下平台：向量，通过灵活的向量相似性搜索存储和查询向量，可以与多个向量、聚合和过滤器组合。ML数据集评估，用于调试数据集标签、模型输出和显示边缘案例。#机器学习