这篇博客介绍了机器学习中的强化学习（Reinforcement Learning，RL），对比了RL与监督学习的区别。重点讲解了A3C（Asynchronous Advantage Actor-Critic）算法，包括基于Policy的Actor组件和用于评估Action的Critic组件。在稀疏奖励环境下，RL旨在通过最大化奖励来学习策略。
ml入门（六）powered by @李宏毅
第十五课（Reinforcement Learning）
让机器根据不同的action将会得到不同的response，可能是不好的，也可能是好的。reinforcement learning要做到的事情就是让reward最大化。
有时reward的情况是非常sparse的，大部分reward的返回都为0。RL的难点在于如何在sparse的情况下得到好的效果。
1 RL vs Supervised
2 A3C(Asynchronous Advantage Actor-Critic)
(1) Police based
What is the Actor/Police?
Actor就是maching learning里的function，其作用为输入observation(state)需要输出相应的Action。
学习步骤：
最低0.47元/天 解锁文章
扫一扫
2325
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
