知识卡片
强化学习与监督学习之别
从解决问题的角度看,监督学习解决“智能感知”:学习输入的抽象特征与标签的一一对应,例如看到手写体长得像4就判为4,前提是大量差异化输入及其标签。强化学习解决“序贯决策”:它不关心输入长什么样,只关心当前输入下采取什么动作才能实现最终目标。两者都需要大量数据训练,但数据类型根本不同——监督学习要多样化的标签数据,强化学习要带有回报的交互数据。这一差别决定了强化学习必须自己构建获取数据与利用数据的方法,不能直接套用监督学习的“输入—标签”范式。理解这一点是区分两类算法、选择合适工具的起点,也呼应了[[序贯决策问题]]与[[智能体环境交互框架]]。
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
- · 第1章 绪论
原书出处 · 1 处
- 第1章 绪论 · 查看原书依据
强化学习和监督学习的共同点是两者都需要大量的数据进行训练,但是两者所需要的数据类型不同。监督学习需要的是多样化的标签数据,强化学习需要的是带有回报的交互数据。
参考来源
- 位置:《深入浅出强化学习:原理入门》第1章 绪论(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00008.html)
- 结论依据:正文通过手写数字识别对比监督学习的智能感知,再指出强化学习关注动作与最终目标的关系,并明确两者所需数据类型不同。
- 原始内容:强化学习和监督学习的共同点是两者都需要大量的数据进行训练,但是两者所需要的数据类型不同。监督学习需要的是多样化的标签数据,强化学习需要的是带有回报的交互数据。