12import gymimport random 1234567#envenv_name = 'CartPole-v1'env_name='FrozenLake8x8-v1'env = gym.make(env_name)print(" ...

介绍1. Git & GitHub的发展历史 Linux 之父 Linus 在 1991 年创建开源的 Linux 操作系统之后，Linus 花了十天时间用 C 语言写好了一个开源的版本控制系统（Version Control System），就是著名的 Git。 2007 年旧金 ...

介绍Iris 鸢尾花数据集是一个经典数据集，在统计学习和机器学习领域都经常被用作示例。数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于（iris-setosa, iris-ver ...

介绍问题：e-greedy总是走巾cliff的问题? off-policy: 学习中使用的策略和最后估算的策略不同（使用non-optimal policy, 估算 optimal policy），学一套 做一套 grid world with cliff： 0 1 2 3 ...

介绍grid world with cliff： 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 s cliff cliff cliff goal 问题： 给定策略 Π = a(s) ， 相对应的Q(s,a(s)) ...

介绍state evaluation: 好不好？ 有多好？ policy learning: 依据我的行动策略，这个状态有多好？ 最佳的行动策略是什么？optimal control problem grid world：路网 goal 1 2 3 4 5 6 7 ...

介绍一条新高速路： 你每天希望尽快开车到家，原来的路需要60分钟，现在有一条新建的路，需要先从公司走一条比较窄的小路才能上高速，如何判断新路值不值得走 转化为强化学习的问题State evaluation目标：走新路总时间比老路少 1. state(s)： 小路，高速路 2. rewar ...

介绍巴普洛夫的狗：摇铃给食物 被植入恐惧记忆的老鼠：老鼠走进一个房间，给电击，加强学习后形成恐怖记忆。 转化为强化学习的问题： 转化为强化学习的问题巴普洛夫的狗：摇铃给食物, 下次摇铃，狗流口水 1. 巴普洛夫的狗： 1. state(s)： 铃 食物 Conditioned S ...