海里的果

机器学习分预测型和决策型。决策型就是强化学习。特点是，决策能影响环境，引起环境的改变。特点：转变到新的状态，获得即时奖励，随着时间的推移最大化积累奖励。

DQN系列 。对有一些游戏来说，它的state 和 action 很多，这个Q矩阵就会很膨胀，甚至有时action不是离散的，是不可数的。所以用一个Q矩阵来做评估就有点捉襟见肘了，D**QN的思想就很简单，提出了可以利用神经网络来计算Q矩阵**，因为Q矩阵的作用，无非就是输入一个 tate 和 action 输出一个 分数q。**而且DQN还利用了离线学习的思路，对数据的利用率高**

代码地址:下午无事，找个强化学习的教程回顾。这里是简要的一些笔记。假设你进入一个赌场，面对一排老虎机（所以有多个臂），每个老虎机都有一定的概率获取奖励，你试验的总次数是一定的，这就是从经典的多臂老虎机问题。这里就有在线学习及更宽泛的强化学习中一个核心的权衡问题：Conlict between exploitation and exploring。即我们是应该探索（exploration）去尝试新的可能性，还是应该守成（exploitation）