周志華 機器學習 Day29

                                                  強化學習 任務與獎賞 通過不斷的摸索、學習，能總結出好的學習策略，這個過程抽象出來，就是「強化學習」。 強化學習任務通常用馬爾可夫決策過程（簡稱MDP）來描述：機器處於環境E中，狀態空間爲X，其中每個狀態x∈X是機器感知到的環境的描述；機器能採取的動作構成了空間A；若某個動作a∈A作用在當前狀態x上

>>阅读原文<<