《机器学习十讲》学习报告十

强化学习：

智慧决策的过程，通过过程模拟和观察来不断学习，提高决策能力

策略：在特定状态下应该怎么采取行动

目的：找到最佳策略，即能够获得最大奖励的策略

数学模型：

 

 

策略和目标：

在马尔科夫决策过程中，最终需要求解一个策略，他是行动和状态之间的映射

分为确定性策略和随机性策略

目标：最大化累计奖励的期望

 

 

强化学习的方法分类：

 

有模型型：已知或者学习状态转移概率

无模型型：探索环境而不直接学习

 

状态价值函数：

状态-行动价值函数：

 

 深度学习Q-learning

Q表本质是一种映射，吧状态映射为行动