第一章 强化学习概述目录马尔可夫决策过程MDPMDP的分类强化学习强化学习的应用有监督学习supervised learning 数据集中的样本带有标签,有明确目标回归和分类无监督学习unsupervised learning数据集中的样本
然后直接用过往数据做一个warmup然后直接greedy或者epsilon greedy来和environment交互又一点耍流氓哈哈。
如果用通俗的方式理解：MFRL像是一种低级生物的思维模式，它从环境中获得感官经验之后便直接用来建立“价...
包括CEM和MCTS在内的这种采样路径然后通过选择动作或者说策略来得到最优路径的方法在控制领域称为打靶法(...
我们说过，强化学习算法可以根据是否为环境建模分为两大领域，MFRL与MBRL，一般认为这是强化学习算法最大...
所谓模型就是指针对强化学习中的这个环境，能否具体描述其运行逻辑，如果知道其运行逻辑就是基于模型的，...