2301_77253539的博客

图中以直升机控制为例，利用强化学习让直升机自主飞行。任务是根据直升机的位置决定如何移动控制杆，因此需要找到一个函数，将直升机的状态映射到一个动作，即确定两个控制杆应该推多远，以保持直升机在空中和飞行中的平衡。为了实现这一目标，你可以尝试使用监督学习方法，但事实证明，这种方法并不是自主直升机飞行的理想选择。这是因为很难获得足够准确的数据集来训练模型，特别是难以确定在给定状态下正确的动作是什么。因此，在很多控制机器人的任务中，监督学习算法并不适用。相反，我们使用强化学习。

假设存在 \(k\) 个类别，对于输入 \(\vec{x}\) ，Softmax 函数计算每个类别 \(i\) 的概率 \(p_i\) 为 \(p_i=\frac{e^{z_i}}{\sum_{j = 1}^{k}e^{z_j}}\) ，其中 \(z_i\) 是对应类别 \(i\) 的线性组合结果。提升树算法通过迭代训练一系列决策树，每次训练时都增加对之前模型误分类样本的关注，使得后续的树能够逐步纠正前面树的错误，最终将这些树的结果进行组合，以获得一个性能更好、预测更准确的集成模型。

如果选择\(\lambda = 10^{10}\) ，即\(\lambda\)非常大，那么正则化项的惩罚力度很强，会使得权重\(w_1\)、\(w_2\)、\(w_3\)、\(w_4\)等都趋近于 0（\(\approx 0\)），此时模型就近似为\(f(x)=b\) ，过于简单，可能导致欠拟合。：将相似的数据点归为一组，实现对数据的分类整理。f总是在0到1之间，因为逻辑回归的输出总是在0到1之间，当f的预测值越接近y的真实标签时，损失函数最低，当f的预测值越远离y的真实标签时，损失函数越高。