知识卡片
强化学习的反馈机制
强化学习构建的是一个智能体(Agent),让它通过与环境(environment)交互来提升性能。它和监督学习相关但有本质区别:监督学习给出的是确定的类标或连续目标值,而强化学习给的是一个由反馈函数产生的、对当前行为的评价信号(reward),不是”正确答案”。智能体据此通过探索性试错或精心设计的激励系统,学到一串能使正向反馈最大化的行为。象棋对弈是典型例子:智能体依据当前棋局(环境状态)决定落子,棋局结束的胜负作为激励信号。理解强化学习的核心是抓住”反馈是行为评价而非标准答案”这一点,以及”最大化长期正向反馈”这一优化目标。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1.2.2 通过强化学习解决交互式问题 · 查看原书依据
通过与环境的交互,Agent可以通过强化学习来得到一系列行为,通过探索性的试错或者借助精心设计的激励系统使得正向反馈最大化
参考来源
- 位置:《Python机器学习》第1章《1.2.2 通过强化学习解决交互式问题》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0011.xhtml.xhtml)
- 结论依据:原文指出反馈值不是确定类标或连续值,而是反馈函数产生的对行为的评价,并以象棋胜负为激励信号说明试错与正向反馈最大化。
- 原始内容:通过与环境的交互,Agent可以通过强化学习来得到一系列行为,通过探索性的试错或者借助精心设计的激励系统使得正向反馈最大化