一、强化学习概述
深度强化学习 (Deep Reinforcement Learning) 是一个发展非常迅速的领域,是强化学习和深度学习的结合。它也是最流行的机器学习类型,因为它可以解决范围广泛的复杂决策任务,这些任务以前是机器无法用类人智能解决现实世界问题的。
强化学习是通过反复试验进行学习的任务,其目标是采取行动。这个学习类别允许它与其他类别相结合,它现在是一个非常活跃的研究领域,正如我们将在本系列中看到的那样。
强化学习可以使用各种 ML 方法和技术来解决问题,从决策树到 SVM,再到神经网络。深度强化学习指使用神经网络,虽然神经网络不一定是所有问题的最佳解决方案,但是大不数情况下效果还是不错的。
与其他机器学习方法相比,强化学习方法更侧重于从交互中进行目标导向学习。学习实体不会被告知要采取什么行动,而是必须通过“试错法”对其进行测试,自行发现哪些行动会产生最大的回报和目标。此