强化学习（Reinforcement Learning）入门指南

什么是强化学习(Reinforcement Learning)

强化学习是机器学习大家族中的一大类, 使用强化学习能够让机器学着如何在环境中拿到高分, 表现出优秀的成绩. 而这些成绩背后却是他所付出的辛苦劳动, 不断的试错, 不断地尝试, 累积经验, 学习经验

和监督学习区别

监督学习需要大量的数据和其对应的正确标签，但是与强化学习来说它并没有数据和标签。
方法：通过一次次在环境中的尝试, 获取这些数据和标签, 然后再学习通过哪些数据能够对应哪些标签, 通过学习到的这些规律, 尽可能地选择带来高分的行为 .

强化学习的分类

基于价值选行为	直接选行为	想象环境并从中学习
Q learning	Policy Gradients	Model based RL
Sarsa
Deep Q Network

其中基于表格学习的有Q learning，Sarsa;
使用神经网络的有Deep Q Network;
直接输出行为的有Policy Gradients；

=======================================================================
基于概率的强化学习

• 最直接的一种，直接输出下一步要采取各种动作的概率。
• 根据概率采取行动，每种行动都可能被选中，只是可能性不同。
• 即使概率最高，也是出现不一定选他。
• 比如：Policy Gradients

基于价值的强化学习：

• 基于所有动作的价值，根据最高价值来选择动作
• 只会选择价值最高的动作
• 比如：Q learning，Sarsa

结合两种，Actor-Critic,ACtor基于概率做出动作，而critic会对做出的动作给出动作的价值。