Python机器学习笔记（四）：强化学习

 

大一暑假学习热情颇高却又贪多求快，囫囵吞枣地花了几天刷了一遍Python机器学习入门课程，很快就什么都不记得了。之后一年半多，也没有什么需要用到机器学习的地方，加上断断续续学了C++，连Python语法都快忘光了。

时隔近两年，这个blog要重新更新了。这次会在三周内更新完Python机器学习的内容，再花三个月左右的时间另起blog，更新吴恩达机器学习课程笔记和深度学习基础部分。希望Flag不倒！

【啊啊啊强化学习真的啥都不懂……Orz】

 

s∈S:有限状态state集合，s表示某个特定状态

a∈A:有限动作action集合，a表示某个特定动作

 

马尔可夫决策过程（MarkovDecision Process）

智能体(agent)根据当前对环境的观察采取动作获得环境的反馈，并使环境发生改变的循环过程。

 

 

蒙特卡洛强化学习

蒙特卡洛强化学习是一种不依赖于环境建模的学习算法，此类算法称为免模型学习。蒙特卡洛强化学习使用多次采样，