|
3 years ago | |
---|---|---|
.. | ||
README.es.md | 3 years ago | |
README.it.md | 3 years ago | |
README.ko.md | 3 years ago | |
README.ru.md | 3 years ago | |
README.zh-cn.md | 3 years ago |
README.zh-cn.md
强化学习简介
强化学习 (RL, Reinforcement Learning),是基本的机器学习范式之一(仅次于监督学习 (Supervised Learning) 和无监督学习(Unsupervised Learning))。强化学习和「策略」息息相关:它应当产生正确的策略,或从错误的策略中学习。
假设有一个模拟环境,比如说股市。当我们用某一个规则来限制这个市场时,会发生什么?这个规则(或者说策略)有积极或消极的影响吗?如果它的影响是正面的,我们需要从这种_负面强化_中学习,改变我们的策略。如果它的影响是正面的,我们需要在这种_积极强化_的基础上再进一步发展。
彼得和他的朋友们得从饥饿的狼这儿逃掉!图片来自 Jen Looper
本节主题:彼得与狼(俄罗斯)
彼得与狼 是俄罗斯作曲家谢尔盖·普罗科菲耶夫创作的音乐童话。它讲述了彼得勇敢地走出家门,到森林中央追逐狼的故事。在本节中,我们将训练帮助彼得追狼的机器学习算法:
- 探索周边区域并构建最佳地图
- 学习如何使用滑板并在滑板上保持平衡,以便更快地移动。
🎥 点击上面的图片,听普罗科菲耶夫的《彼得与狼》
强化学习
在前面的部分中,您已经看到了两类机器学习问题的例子:
在本节中,我们将学习一类新的机器学习问题,它不需要已经标记的训练数据 —— 比如这两类问题:
示例 - 电脑游戏
假设我们要教会计算机玩某一款游戏 —— 例如国际象棋,或者 超级马里奥。为了让计算机学会玩游戏,我们需要它预测在每个游戏「状态」下,它应该做什么「操作」。虽然这看起来像是一个分类问题,但事实并非如此,因为我们并没有像这样的,包含「状态」和状态对应的「操作」的数据集。我们只有一些有限的数据,比如来自国际象棋比赛的记录,或者是玩家玩超级马里奥的记录。这些数据可能无法涵盖足够多的「状态」。
不同于这种需要大量现有的数据的方法,强化学习是基于让计算机多次玩并观察玩的结果的想法。因此,要使用强化学习方法,我们需要两个要素:
-
环境和模拟器,它们允许我们多次玩游戏。该模拟器应该定义所有游戏规则,以及可能的状态和动作。
-
奖励函数,它会告诉我们每个每一步(或者每局游戏)的表现如何。
其他类型的机器学习和强化学习 (RL) 之间的主要区别在于,在 RL 中,我们通常在完成游戏之前,都不知道我们是赢还是输。因此,我们不能说单独的某个动作是不是「好」的 - 我们只会在游戏结束时获得奖励。我们的目标是设计算法,使我们能够在这种不确定的条件下训练模型。我们将了解一种称为 Q-learning 的 RL 算法。
课程
本文作者
“强化学习简介” 由 Dmitry Soshnikov 用 ♥️ 编写