Q Learning
Q learning 在做S2 action 分析時(shí)候， Q learn 會(huì)先假設(shè)action，但最終計(jì)算后不一定實(shí)施該action
Sarsa
確實(shí)直接選擇（S2，A2）
Q Learning 過(guò)于激進(jìn)，，選擇最優(yōu)，，看Maze 例子 就能很清楚的看到兩個(gè)算法的實(shí)際不同。。
RL 中Q learning 與 Sarsa 區(qū)別
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。
相關(guān)閱讀更多精彩內(nèi)容
- 一. 增強(qiáng)學(xué)習(xí)簡(jiǎn)介 1.1 什么是增強(qiáng)學(xué)習(xí)？ 機(jī)器學(xué)習(xí)的算法可以分為三類(lèi)：監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)和增強(qiáng)學(xué)習(xí)。 增強(qiáng)學(xué)...
- 機(jī)器學(xué)習(xí)(Machine Learning)&深度學(xué)習(xí)(Deep Learning)資料(Chapter 1) 注...
- 這年頭，居然還能出現(xiàn)這種，在周末放都冷到爆的好片。 周五傍晚這一場(chǎng)，全場(chǎng)就兩人…… 表妹，和坐在后排的一個(gè)陌生觀眾...
