关于强化学习的三件事
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-10-26
让我们考虑这个示例：您正在通话，并且移动网络的信号强度很弱
您会搜索位置，直到与您交谈的人能正确听到您的声音为止，然后您说是的，您处于良好的网络区域。附近没有迹象告诉您有关该位置的信息-您是通过反复试验发现该位置的，这类似于强化学习的工作原理。您会听到代理商，奖励和环境这两个词。为了更好地理解这些术语，我们将使用相同的示例。
代理商：寻找好的移动网络的人
奖励：强大的移动网络信号
环境：周边
该代理在其测试环境中不断走动，以寻找强大的信号强度。如果信号强度良好，则奖励被认为是积极的，而较差的信号则被视为消极的。信号越强，奖励就越积极。
在这种强化学习系统中，我们旨在程度地提高正面奖励。在此示例中，学习究竟如何进行？
当您终找到一个良好的网络区域时，您可能会记得该位置。将来，如果您再打一个电话，您会选择直接去那个地点还是会再次重复寻找强信号强度的过程？通过返回“好地方”，您可以节省时间和精力。这就是学习发生的方式-从经验和结果。在强化学习中，作为记忆添加的体验（搜索）越多，获得目标结果（强信号点）的速度就越快。
考虑x代表位置，R（x）是座席将根据当前位置x获得的奖励
在强化学习系统中，模型没有意识到它将获得的奖励，另外，该模型不受监督–也就是说，没有告知执行什么操作，由模型决定在其环境中探索不同的x值并观察所得的奖励R，而且，没有固定的x值集，座席负责选择位置x，并且座席不断从错误中学习（在我们的示例中，选择错误的信号位置），该模型保留执行的动作，获得的奖励的历史记录，并做出决策并采取相应的行动。
这就是强化学习用于训练模型的方式
常见的强化学习技巧，Q学习是一种脱离政策的强化学习技术（Q代表质量），在非策略方法中，没有固定状态（例如我们的单元信号示例中的运动方向），代理可以从一个州移动到任何其他状态（即，从一个位置移动到另一位置，例如从北到南/东/西/东北/西北/等），在Q学习中，对代理进行迭代式培训，以使其在任何情况或状态下执行的操作获得的回报。该代理使用Q值并将它们存储在一个表中的形式Q（S，A）（其中，小号代表状态和一个代表动作）。
基本上，代理在每个间隔中重复执行以下操作：
1、观察当前的状态小号
2、执行动作一
3、检查结果状态s
4、立即获得奖励
基于哪个更新间隔的Q值。
您会搜索位置，直到与您交谈的人能正确听到您的声音为止，然后您说是的，您处于良好的网络区域。附近没有迹象告诉您有关该位置的信息-您是通过反复试验发现该位置的，这类似于强化学习的工作原理。您会听到代理商，奖励和环境这两个词。为了更好地理解这些术语，我们将使用相同的示例。
代理商：寻找好的移动网络的人
奖励：强大的移动网络信号
环境：周边
该代理在其测试环境中不断走动，以寻找强大的信号强度。如果信号强度良好，则奖励被认为是积极的，而较差的信号则被视为消极的。信号越强，奖励就越积极。
在这种强化学习系统中，我们旨在程度地提高正面奖励。在此示例中，学习究竟如何进行？
当您终找到一个良好的网络区域时，您可能会记得该位置。将来，如果您再打一个电话，您会选择直接去那个地点还是会再次重复寻找强信号强度的过程？通过返回“好地方”，您可以节省时间和精力。这就是学习发生的方式-从经验和结果。在强化学习中，作为记忆添加的体验（搜索）越多，获得目标结果（强信号点）的速度就越快。
考虑x代表位置，R（x）是座席将根据当前位置x获得的奖励
在强化学习系统中，模型没有意识到它将获得的奖励，另外，该模型不受监督–也就是说，没有告知执行什么操作，由模型决定在其环境中探索不同的x值并观察所得的奖励R，而且，没有固定的x值集，座席负责选择位置x，并且座席不断从错误中学习（在我们的示例中，选择错误的信号位置），该模型保留执行的动作，获得的奖励的历史记录，并做出决策并采取相应的行动。
这就是强化学习用于训练模型的方式
常见的强化学习技巧，Q学习是一种脱离政策的强化学习技术（Q代表质量），在非策略方法中，没有固定状态（例如我们的单元信号示例中的运动方向），代理可以从一个州移动到任何其他状态（即，从一个位置移动到另一位置，例如从北到南/东/西/东北/西北/等），在Q学习中，对代理进行迭代式培训，以使其在任何情况或状态下执行的操作获得的回报。该代理使用Q值并将它们存储在一个表中的形式Q（S，A）（其中，小号代表状态和一个代表动作）。
基本上，代理在每个间隔中重复执行以下操作：
1、观察当前的状态小号
2、执行动作一
3、检查结果状态s
4、立即获得奖励
基于哪个更新间隔的Q值。
代理从这些Q值中学习，从而确定策略。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
