20180830
參考：https://www.nowcoder.com/courses/190

Reinforcement Learning（處理迴歸問題）

核心部分：包括了類似人、動物、機器人或者深度網路這樣的自動代理。

目標：通過最大化數值回報來學習如何在不確定的環境中駕駛。

模型把當前狀態和行為作為輸入，產生最大化的預期回報作為輸出。
考慮從當前狀態到最終狀態之間的所有期望的回報。

Demo

Deep Atari：實際上是處理迴歸問題，而非分類問題，且無池化層（no pooling）。

Deep Q Net（DQN）：使用當前狀態和行為來預測最大回報值。

區別Supervised Learning

Supervised Learning 是基於歷史樣本來理解環境。但這並總是做事的最好方法。
Reinforcement Learning 完全關注於最好的回報。強調當前行為改變狀態。

Supervised Learning ：嘗試在堵車的環境下基於一個禮拜之前觀察過的清晰路況駕駛，類似於通過後視鏡駕駛。
Reinforcement Learning ：為你的行為得到分數（在你的車道行駛，在速度限制下開車，在適當時候發出訊號等），但也會因為追尾和超速等危險行為丟失分數。目標是在當前的交通環境下獲得最高分數。

代理

增強學習的代理可以在探索和開發之間權衡，選擇可以達到最大預期回報的路徑