Lord Voldermort回答（1）
黄石2024-06-25 09:16:25
黄石同学你好。Reinforcement learning使用unlabeled也就是无标签的数据集（故B选项错误，没有correct output values）。它是根据周围的环境采取行动，而模型会根据行动的结果给予奖励或惩罚，从而不断优化行动策略。本质上reinforcement learning考虑的是智能体与环境的交互问题，目标是找到一个最优策略，使智能体获得尽可能多的奖励。可以类比成赛车游戏，赛车就是智能体，需要通过执行很多动作来获得尽可能高的比赛得分，这里比赛得分就是奖励。
- 评论（0）
- 追问（0）
评论
0/1000
追答
0/1000
+上传图片