You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/8-Reinforcement/translations
Jen Looper cc221a9e9d
empty files
3 years ago
..
README.it.md Italian translation - Chapter 8 completed 3 years ago
README.ko.md FIX : replace chapter readme ko translation file 3 years ago
README.ru.md fix markdown issues and improve wordings in Russian transaltions (#381) 3 years ago
README.zh-cn.md update zh-cn trans (#339) 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。

彼得和狼

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。

彼得和狼

🎥 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:

  • 监督,在有已经标记的,暗含解决方案的数据集的情况下。 分类回归 是监督学习任务。
  • 无监督,在我们没有标记训练数据集的情况下。无监督学习的主要例子是 聚类

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:

  • 半监督学习,在我们有很多未标记的、可以用来预训练模型的数据的情况下。
  • 强化学习,在这种方法中,机器通过在某种模拟环境中进行实验来学习最佳策略。

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

  1. 强化学习和 Q-Learning 介绍
  2. 使用 Gym 模拟环境

本文作者

“强化学习简介” 由 Dmitry Soshnikov♥️ 编写