强化学习笔记

强化学习是关于序列决策的一种工具。 基础：监督学习和强化学习之间的区别在于，监督学习是提供指导性的反馈（loss）来解决问题，而强化学习是提供评估性反馈（该决策好不好，目标的达成程度）解决问题。 应用场景中：一个控制温度的系统，指导性反馈没卵用，那么基于不同场地、时间来告诉系统该如何温度？采用评估性反馈，我们可以获得特定时间特定地点在历史中的电量，温度，或者过热过冷的机器数等反馈数据 强化学习的前

>>阅读原文<<