非常好的一个导入例子
如图在每一个格子中我们都有四种移动策略(action:U,D,L,R),但理想总是美好的,现实总是骨干的。有些时候,我们想着的方向并不一定是我们移动的方向,所以我们引入概率。正确移动的概率为0.8,错误移动的概率各为0.1(不允许倒退)
MArkov决策过程(MDP):
特性—无需关注过去的事情
特性二规则不变
状态、奖励、行动、转移(折扣)
摩尔定理
it will learn and it will use what it learns 不断学习,并运用所学
学到了哪些:
求解MDP
Q-learning: converage,
explaration-exploitation:learn&use!
approaches to reinforcement-learning
感觉机器学习真的太美妙了,学着学着,就会涉及到一些哲学问题,而人生貌似瞬间就被阐明,开阔了许多。