强化学习:Reinforcement Learning

当前的机器学习算法可以分为三种:有监督学习、无监督学习和强化学习

有监督学习是从有标签的训练集中学习,每个样本的特征可视为对状态的描述,标签可视为执行正确的action,但是有监督学习不能学习交互的情景,只能从experience中学习,而experience的action并不一定是最优的。

无监督学习是从无标签的训练集中发现隐藏的结构

强化学习是在获得样本之后更新模型,利用当前的模型指导下一步行动,下一步的行动获得奖励之后再次更新模型,不断迭代直到模型收敛。不是执行正确的experience,而是最大化奖励信号。

强化学习的数学表达即Markov Decision Process(当前状态完全刻画了世界的状态)

MDP由一组对象定义(S,A,R,P,\gamma):

状态、动作、转移概率、奖励函数

S:所有可能状态的集合

A:所有可能行动的集合

R:奖励的分布函数

P:下一个状态的转移概率分布

\gamma:折扣因子,对近期奖励和远期奖励分配权重

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值