Lecture 2: Markov Decision Processeshttps://www.davidsilver.uk/wp-content/uploads/2020/03/MDP.pdf

Lecture 5: Model-Free Controlhttps://www.davidsilver.uk/wp-content/uploads/2020/03/control.pdfIntroduction同策略和异策略概念，同策略说的是用于采样sample的p和要学习更新的policy一致，即learn on the job。异策略知道是学习和采样用不同的策略。On-Policy Mont

强化学习RF简介强化学习是机器学习中的一种重要类型，一个其中特工通过 执行操作并查看查询查询结果来学习如何在环境中表现行为。机器学习算法可以分为3种：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning），如下图所示：有监督学习、无监督学习、强化学习具有不同的特点：有监督学习是有一个l

Epoch在模型训练的过程中，运行模型对全部数据完成一次前向传播和反向传播的完整过程叫做一个epoch在梯度下降的模型训练的过程中，神经网络逐渐从不拟合状态到优化拟合状态，达到最优状态之后会进入过拟合状态。因此epoch并非越大越好，一般是指在50到200之间。数据越多样，相应epoch就越大。Batchsize当我们处理较大的数据集时，一次向网络喂入全部数据得不到很好的训练效果。通常我们将整个样

强化学习RF简介强化学习是机器学习中的一种重要类型，一个其中特工通过 执行操作并查看查询查询结果来学习如何在环境中表现行为。机器学习算法可以分为3种：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning），如下图所示：有监督学习、无监督学习、强化学习具有不同的特点：有监督学习是有一个l

Lecture 6: Value Function Approximationhttps://www.davidsilver.uk/wp-content/uploads/2020/03/FA.pdfIntroduction不同种类的值函数估计 从左到右分别是状态值函数，动作值函数act-in和动作值函数act-outIncremental Methods 增量方法核心思想：利用梯度下降的方法找到一

强化学习RF简介强化学习是机器学习中的一种重要类型，一个其中特工通过 执行操作并查看查询查询结果来学习如何在环境中表现行为。机器学习算法可以分为3种：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning），如下图所示：有监督学习、无监督学习、强化学习具有不同的特点：有监督学习是有一个l

Lecture 5: Model-Free Controlhttps://www.davidsilver.uk/wp-content/uploads/2020/03/control.pdfIntroduction同策略和异策略概念，同策略说的是用于采样sample的p和要学习更新的policy一致，即learn on the job。异策略知道是学习和采样用不同的策略。On-Policy Mont

机器学习：一切通过优化方法挖掘数据中规律的学科。深度学习：一切运用了神经网络作为参数结构进行优化的机器学习算法。监督学习、无监督学习和强化学习分别是机器学习中三个重要的课题。强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。学习是为了更好地对环境进行探索，而探索是为了获取数据进行更好的学习。可以学习和模拟人类的人工智能通常是由深度

Epoch在模型训练的过程中，运行模型对全部数据完成一次前向传播和反向传播的完整过程叫做一个epoch在梯度下降的模型训练的过程中，神经网络逐渐从不拟合状态到优化拟合状态，达到最优状态之后会进入过拟合状态。因此epoch并非越大越好，一般是指在50到200之间。数据越多样，相应epoch就越大。Batchsize当我们处理较大的数据集时，一次向网络喂入全部数据得不到很好的训练效果。通常我们将整个样