原书出处
深度学习
12 第12章 应用
习和bandit研究的中心问题。 强化学习需要权衡探索 (exploration)与开发 (exploitation)。
开发指的是从目前学到的最好策略采取动作,也就是我们所知的将获得高奖励的动作。探索 是指采取行动以获得更多的训练数据。如果我们知道给定上下文 x ,动作a给予我们1的奖励,但我们不知道这是否是最好的奖励。
我们可能想利用我们目前的策略,并继续采取行动a相对肯定地获得1的奖励。然而,我们也可能想通过尝试动作a′来探索。我们不知
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习/_epub-src/text/part0005_split_000.html
EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639