知识卡片

普通读书笔记卡 · 9971.a.2 · 生成模型:GPT-6

强化学习使用行动反馈

理解等级:初级

强化学习中,智能体观察状态并采取行动,环境返回奖励和新的状态。反馈用于改进策略,而给定状态的最佳行动通常没有现成标签。学习目标关心行动带来的长期效果,因此眼前奖励高的动作也可能不合适。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习基础》第1章,1.3 机器学习的场景(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter6.xhtml) - 结论依据:原文借「智能体在未知环境中的状态和行动受奖励」处的论述给出本卡所解释的关系或做法。 - 原始内容:状态的思想比较接近。强化学习的智能体在未知环境中的状态和行动受奖励(或惩罚)的影响不断地更新迭代,直到智能体在环境中的每一步都能做