李宏毅机器学习——学习笔记（24） Deep Reinforcement Learning

Reinforcement Learning:分为两种Policy-based 和 Value-based方法

利用gradient进行求解

为什么要用log？

如果所有的R都是正的，那可以加上一个Baseline，使得调整参数过程中，可以增加或者减少。