【文件属性】：
文件名称：mlprague-2021：MLPrague 2021研讨会的材料
文件大小：1.51MB
文件格式：ZIP
更新时间：2021-02-25 03:07:45
JupyterNotebook
MLPrague 2020-如何制定数据驱动型决策：情境多臂匪徒的案例
其他名称：联想强化学习，联想土匪，带有部分反馈的学习，具有辅助信息的土匪
强化学习的要素
除了主体和环境之外，还可以识别强化学习系统的四个主要子元素：策略，奖励信号，价值函数以及（可选）环境模型。
策略-定义学习代理在给定时间的行为方式。 粗略地说，策略是从感知到的环境状态到处于这些状态时要采取的措施的映射。 它对应于心理学中所谓的一组刺激－React规则或联想。 在某些情况下，策略可能是简单的函数或查找表，而在其他情况下，策略可能涉及大量的计算，例如搜索过程。 该政策是强化学习代理的核心，就其本身而言，它足以确定行为。 通常，策略可能是随机的，为每个操作指定概率。
奖励信号-定义强化学习问题的目标。 在每个时间步骤中，环境都会向强化学习代理发送一个称为奖励的数字。 代理商的唯一目标是在长期内获得最大的总回报。 因
【文件预览】：
mlprague-2021-main
----CMAB_movielens_linear_tf.ipynb(139KB)
----MAB-banners_bayes_tf.ipynb(28KB)
----utils.py(4KB)
----MAB-banners_epsilon.ipynb(291KB)
----MAB-movielens_ucb1.ipynb(230KB)
----lin_bandit_agent.py(17KB)
----CMAB_movielens_neural_egreedy_tf.ipynb(104KB)
----MAB-banners_thompson.ipynb(478KB)
----MAB-movielens_thompson.ipynb(344KB)
----.gitignore(2KB)
----MAB-movielens_epsilon.ipynb(278KB)
----CMAB-tutorial_agents.ipynb(74KB)
----MAB-banners_bayes.ipynb(246KB)
----README.md(10KB)
----CMAB-movielens_linucb_tf.ipynb(139KB)