11、机器学习技术入门：从基础概念到实际应用

机器学习技术入门：从基础概念到实际应用

1. 强化学习基础概念

1.1 关键元素

强化学习中有几个关键元素，它们构成了整个学习过程的基础：
- 状态（State） ：智能因子或智能体移动后，环境会反馈其所处的位置。
- 动作（Action） ：智能因子或智能体在环境内的移动。
- 策略（Policy） ：智能因子或智能体针对当前状态为后续动作或移动制定的行动计划。
- 奖励（Reward） ：环境或周围给予智能因子或智能体的反馈，用于评估其移动情况。
- Q值（Q - value） ：类似于价值，但多捕捉一个当前动作或移动（a）的额外参数。
- 价值（Value） ：与短期奖励相反，追求长期回报。

1.2 显著特征

强化学习具有以下显著特征：
- 基于试错过程。
- 智能因子或智能体可能获得挫折性奖励。
- 无需向智能因子或智能体传授周围环境信息以及所需的移动操作。
- 智能因子或智能体需要自动探索周围环境以获取最大正奖励。
- 有基于价值、基于策略和基于模型三种执行强化学习的方法。

1.3 类型

强化学习主要分为以下两类：
- 正强化（Positive Reinforcement） ：通过加入某种因素来增强某种倾向，使预期行为再次发生，能积极影响智