登录
开通会员，立省699元
强化学习与其他机器学习方法的区别：
- 强化学习无指导数据，只有反馈信息，而监督学习有groundtruth和类标。
- 反馈信息是有延迟的，可用于下一阶段的指导。
- 要处理的数据是时序的
- Agent的行为会影响到其随后将收到的数据。
强化学习的基本模型：
状态：Ot，行为At，反馈Rt
所有的强化学习都是建立在马尔可夫决策过程之上的，即，任何一个强化学习问题都是一个MDP问题。
马尔可夫链：
其中：
马尔可夫状态转移图：
状态转移图对应的状态转移矩阵
马尔可夫奖赏过程（MRP）：
马尔可夫决策过程；
客服1
官方群