第11课 强化学习实战——咖哥的冰湖挑战

零基础学机器学习 2022-01-04 13:49:33
...全文
485 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
策略的结合——Actor-Critic算法求解冰湖游戏
本文介绍用Actor-Critic算法求解冰湖游戏。该算法结合策略优化与值函数方法，有单步更新、结合两种方法优点等优势。文中先介绍冰湖游戏的创建环境、动作状态等，后搭建Actor-Critic算法架构，用策略梯度和时序差分方法更新网络，智能体在冰湖环境表现较好。
从 0 上手强化学习：用 Q-Learning 玩冰湖游戏，新手也能懂
本文以OpenAI Gym经典环境'FrozenLake-v7'为基础，使用Python实现Q-Learning算法求解。重点涵盖Pygame可视化、Anaconda环境配置、Q表迭代更新机制，并通过修改滑动概率、设gamma=0及分析Q值分布三大实验，直观阐释强化学习中环境不确定性、折扣因子作用与价值函数本质等核心技术要点。
强化学习8——在冰壶环境中使用策略迭代和价值迭代算法
本文介绍了OpenAIGym库中的冰湖环境，一个4x4网格游戏，展示了如何使用策略迭代和价值迭代算法寻找最优策略，以及它们在冰湖环境中的应用结果。
小白也能学习机器学习吗？从这里开始轻松入门机器学习
本书《零基础学机器学习》采用轻松的故事形式，通过AI新手小冰向资深数据科学家咖哥学习，逐步揭秘机器学习。内容涵盖基础原理、数学知识、Python编程、各种机器学习算法实战，包括线性回归、逻辑回归、深度学习等，旨在帮助初学者快速上手并应用于实际工作中。全书注重实战，案例丰富，适合时间有限的读者快速入门。
学习 ：浅谈强化学习原理（附代码&链接）
本文通过代码实例深入解析强化学习原理，演示如何在冰湖环境中运用值迭代和策略迭代算法找到最优策略，实现AI智能体的自我学习。
《零基础学机器学习》

7

社区成员

359

社区内容

发帖
与我相关
我的任务
社区描述
本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。
社区管理员
  • 小屁孩
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章