20180830
参考：https://www.nowcoder.com/courses/190
Reinforcement Learning（处理回归问题）
核心部分：包括了类似人、动物、机器人或者深度网络这样的自动代理。
目标：通过最大化数值回报来学习如何在不确定的环境中驾驶。
模型把当前状态和行为作为输入，产生最大化的预期回报作为输出。
考虑从当前状态到最终状态之间的所有期望的回报。
Demo
Deep Atari：实际上是处理回归问题，而非分类问题，且无池化层（no pooling）。
Deep Q Net（DQN）：使用当前状态和行为来预测最大回报值。
区别Supervised Learning
Supervised Learning 是基于历史样本来理解环境。但这并总是做事的最好方法。
Reinforcement Learning 完全关注于最好的回报。强调当前行为改变状态。
Supervised Learning ：尝试在堵车的环境下基于一个礼拜之前观察过的清晰路况驾驶，类似于通过后视镜驾驶。
Reinforcement Learning ：为你的行为得到分数（在你的车道行驶，在速度限制下开车，在适当时候发出信号等），但也会因为追尾和超速等危险行为丢失分数。目标是在当前的交通环境下获得最高分数。
代理
增强学习的代理可以在探索和开发之间权衡，选择可以达到最大预期回报的路径。