《机器学习》学习笔记（二十三）—初探强化学习

强化学习的场景 智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大。如果Agent的某个行为策略导致环境正的奖赏(强化信号)，那么Agent以后产生这个行为策略的趋势便会加强 有一个 agent ，他在一个环境中，行一个行为，这个行为改变了环境的值，agent 得到一个对应的奖励。强化学习要做的就是去学习那些能得到正面反馈最大化的行为。 比如说，在下围棋的时候，落一个子，然后棋盘的

>>阅读原文<<