Day19 #100DaysofMLCoding#

2018-12-16

今日所学

• CS229 2008年版，16节课 强化学习 马尔科夫决策
• CS224N 第5,6节

知识点

MDP(S,A,P,γ,R)算法（两种，适合于状态S有限个）

• 1. 迭代求解V：初始化V为0，迭代V，最后知道V后推出π

• 2. 策略迭代π（对状态S数量<1000比较合适）：随机初始化π，迭代{根据π解方程求解出对应V，根据V与特定目标函数选择更优的π}