不秃头的程序员不秃头

摘要： 第二章 多臂bandits问题 强化学习区别于其他机器学习范式的一个最重要的特征在于它利用训练过程中获得的经验去评估所采取的动作的好坏，而不是给定正确的动作去指导智能体学习。前者称之为评估反馈（evaluative feedback），后者称之为指导反馈（instructive feedback）。 阅读全文