强化学习——Policy-based Approach

根据李宏毅老师的视频，记录一下自己的学习心得

---

前言

本科已经毕业了，从刚开始接触传统的机器学习，到后面接触到深度学习、CV检测、NLP等，但是最近看到越来越多的人开始提到强化学习，因此自己也打算乘着这段“闲暇”时间来学习一下强化学习，仅仅用于记录自己的学习，如果能为您提供帮助当然再好不过。

Policy-base approach思想

主要分为三步:
1、Nerual network as Actor；
2、goodness of function；
3、pick the best function
主要元素有S：观察环境获得的状态；A：针对当下环境采取的行动；R：基于当下环境和采取的行动，得到的奖励。
通过神经网络来计算针对当下环境采取的action，神经网络参数为θ。为了获得更高的reward（reward由外界的环境来决定）来优化神经网络的参数θ，主要笔记如下。

笔记

总结

甘愿为理想“头破血流”