原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二章深度强化学习在之前的章节中我们主要关注于监督学习而监督学习一般需要一定数量的带标签的数据在很多的应用场景中通过人工标注的方式来给数据打标签的方式往往行不通比如我们通过监督学习来训练一个模型可以来自动下围棋就需要将当前棋盘的状态作为输入数据其对应的最佳落子位置动作作为标签训练一个好的模型就需要收集大量的不同棋盘状态以及对应动作这种做法实践起来比较困难一是对于每一种棋盘状态即使是专家也很难给出正确的动作二是获取大量数据的成本往往比较高对于下棋这类任务虽然我们很难知道每一步的正确动作但是其最后的
第二章 深度强化学习
在之前的章节中，我们主要关注于监督学习，而监督学习一般需要一定数
量的带标签的数据。在很多的应用场景中，通过人工标注的方式来给数据打标
签的方式往往行不通。比如我们通过监督学习来训练一个模型可以来自动下围
棋，就需要将当前棋盘的状态作为输入数据，其对应的最佳落子位置（动作）作
为标签。训练一个好的模型就需要收集大量的不同棋盘状态以及对应动作。这
种做法实践起来比较困难，一是对于每一种棋盘状态，即使是专家也很难给出
“正确”的动作，二是获取大量数据的成本往往比较高。对于下棋这类任务，虽
然我们很难知道每一步的“正确”动作，但
文档评论（0）