机器学习基础 之 强化学习

转自： https://www.zhenxiangsimple.com/2019/04/12/tech-ml-qhxx

---

  强化学习的原理，就是通过结果的反馈来对有效规则进行强化，并弱化无效或者较差的规则的一种学习原理。跟常规的监督学习不同之处在于，在学习器的训练前没有标记样本的结果，而需要通过尝试来得到各行为的结果，进而来对训练本身进行反馈。

任务与奖赏

  任务与奖赏是强化学习的一个基础概念，就是基于一个状态下通过执行某个动作（任务）使得状态发生改变，通过对改变后的状态进行对比来决定当前任务的好坏，如果状态变得更好则对任务进行奖赏。

k-摇臂赌博机

  K摇臂赌博机是一种由K个摇臂的赌博机，玩家在放入游戏币后可以选择一个摇臂进行操作，而所有摇臂本身有不同的概率来赢得奖励，具体摇臂本身出的奖赏也只是一个概率值并非确定值，玩家需要自己根据尝试的结果来判断概率后，去最大化自己的奖赏。这个规则跟强化学习中的单步任务的模型一致，即在行为中仅考虑单步操作的最大奖赏，常用策略有 ϵ \epsilon