強化學習
知識回顧
- 機器學習方法
強化學習
馬爾可夫決策
- S是離散狀態；A可能是離散，也可能是連續的；P通常用來描述模型
- 馬爾可夫假設：狀態不斷轉移，隨着時間可以寫成St→St+1→St+2，而在St+2這個時間段時若給定了St+1狀態，那麼它跟St及以前的狀態是沒有關係的。
- 在馬爾可夫決策過程中，最終需要求解一個策略，它是行動和狀態之間的映射，分爲確定性策略和隨機性策略
- 目標
強化學習的方法分類
- 狀態價值函數
- 狀態-行動價值函數
QLearning
- 引入參數學習
- 基於策略方法
小結
- 機器學習/數據科學的知識體系
數學方面：微積分，概率論，優化方法，統計學
計算機方面：python，數據結構與算法，數據庫
數據方面：數據採集，數據管理，數據清洗，數據可視化，分佈平臺（Hadoop，Spark，Flink）
行業認識：對涉及的領域要有一定的理解，並將其他知識融入進去
- 學習建議
