原书出处
强化学习
11 学习与规划 11.2.2 监督式学习构建模型
训练集的每一行都是一个状态转换数据。求取状态转换函数Pη的问题是一个密度估计问题,求取回报函数Rη的问题是一个回归问题。训练过程如下:选择一个损失函数表示预测值与真实值的不一致程度,如均方差、KL散度等都可以拿来使用。采用相应的优化方法,如梯度下降法等来优化参数η,使得经验损失最小。损失函数越小,模型的鲁棒性就越好。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-020.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae