第五章 模型和训练

1、强化学习模型

强化学习（Reinforcement Learning）是让计算机实现在特定的情况下，通过不断地尝试,从错误中学习,最后找到规律,找到可以获得最大回报的行为。强化学习有四个基本组件，包括输入：环境（States），动作（Actions），回报(Rewards)以及输出：方案（Policy）。和监督学习不同，强化学习没有确定的标签，需要机器自己摸索，每一个动作对应一个奖赏，最后得到一个奖赏最大的方式进行数据处理。围棋AlphaGo就是一个强化学习的实例。强化学习（Reinforcement Learn