B站 李宏毅2021春机器学习课程 P74 目录 1、如何定义A-不好的方法 2、选择动作之后所有奖励之和 3、Policy Gradient 1、如何定义A-不好的方法 这种方法只看短期结果,没有长远目光,真实情况每一次动作都会影响接下来的环境。 2、选择动作之后所有奖励之和 太长的结果与最初的相关性会较低。 增加折扣因子: