学习笔记 | Morvan

Overview

• 1.1 Why?
• 1.2 课程要求
• 4.1 强化学习 (Reinforcement Learning)
• 4.2 强化学习方法汇总 (Reinforcement Learning)
• 4.3 什么是 Q Leaning
• 4.4 什么是 Sarsa
• 4.5 什么是 Sarsa(lambda)

Note

1. 关键词

   试错，打分，环境，学习

2. 分类

   通过价值选行为	直接选行为	想象环境，并从中学习
   基于价值	不基于价值
   Q learning Sarsa Deep Q Network	Policy Gradients	Model based RL
   不理解环境（Model-free RL）		理解环境（Model-based RL）

3. 回合更新vs单步更新

   单步更新更有效率，现在常用的Q-learning, Sarsa等都是单步更新

4. on-policy vs off-policy

   从当前经验学习是on-policy；从过往经验和别人经验学习是off-policy（？）