知识卡片
强化学习
强化学习是在没有任何标签的情况下,让系统先尝试做出动作、得到结果,再依据结果反馈调整行为,通过反复试错强化自身决策能力,最终在不同情境下给出不同决策。它同样学习输入到输出的映射,但与有监督学习不同:有监督学习告诉算法某个输入对应什么输出,强化学习输出的是对行为的反馈(奖励信号),判断行为对错,目标是获得最大奖励。另一个显著区别是反馈有延时——可能走很多步后才知道某一步的优劣,而有监督学习的错误会立刻被指出。AlphaGo 是其威力例证;小狗弄乱房间就减少狗粮、表现好就加倍,也是同样的正负反馈机制。边界在于需要可交互的环境与明确的奖励设计,奖励定义不当会学到投机行为。
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
- 机器学习入门 1.4.4 强化学习 · 查看原书依据
强化学习(Reinforcement Learning)会在没有任何标签的情况下,先尝试做出一些动作得到一个结果,通过这个结果的反馈,调整之前的行为。通过不断的调整,算法强化自身的决策能力,最终能够根据不同的情况,获得不同的决策结果。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第1章《机器学习入门》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00006.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:1.4.4 段定义强化学习为先试错再据反馈调整、以获得最大奖励为目标,并以与有监督学习在反馈延时上的对比支撑本卡结论。
- 原始内容:强化学习(Reinforcement Learning)会在没有任何标签的情况下,先尝试做出一些动作得到一个结果,通过这个结果的反馈,调整之前的行为。通过不断的调整,算法强化自身的决策能力,最终能够根据不同的情况,获得不同的决策结果。