蘑菇书EasyRL学习笔记

第1章 强化学习基础

监督学习

正在上传…重新上传取消

在监督学习过程中，有两个假设：

• 输入的数据（标注的数据）都应是没有关联的。因为如果输入的数据有关联，学习器（learner）是不好学习的。
• 需要告诉学习器正确的标签是什么，这样它可以通过正确的标签来修正自己的预测。

1. 强化学习中上一帧与下一帧之间具有非常强的关联性，数据属于相关的时间序列数据
2. 强化学习不能获得即时反馈

正在上传…重新上传取消
3. 强化学习面临延迟奖励问题，使得其网络训练非常困难，奖励在于指导，可能会判定动作是错误的，但是无法给出正确动作指示

4. 强化学习的核心是探索 （exploration）和利用（exploitation），其中探索在于尝试新的动作，出其不意，利用在于充分利用奖励较多的动作以获得更多的奖励