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)。
查看更多
PAGE1
PAGE1
机器学习：强化学习基础
1引言
1.1强化学习的概念
强化学习（ReinforcementLearning,RL）是一种机器学习方法，它使智能体（Agent）能够在与环境的交互中学习如何采取行动以最大化某种累积奖励。不同于监督学习和无监督学习，强化学习不需要预先标记的数据集，而是通过试错（TrialandError）的方式，智能体根据环境反馈的奖励或惩罚来调整其行为策略。
1.1.1核心要素
智能体（Agent）：学习并做出决策的主体。
环境（Environment）：智能体所处的外部世界，可以是物理世界或虚拟世界。
状态（State）：环
文档评论（0）