【发布时间】：2019-12-05 11:06:01
【问题描述】：
两个定义似乎都表明它们是从状态映射到动作，那么有什么区别还是我错了？
【问题讨论】：
-
嗨，欢迎来到 Stack Overflow。关于机器学习的问题应该去 stats.stackexchange.com 上的交叉验证。祝你好运！
标签： model reinforcement-learning policy mdp
【发布时间】：2019-12-05 11:06:01
【问题描述】：
这篇文章真的为你总结了一下：
What is Model-Based Reinforcement Learning?
模仿还是不模仿
“模型”是机器学习（以及更普遍的科学学科）中经常出现的术语之一，通常对我们的意思的解释相对模糊。幸运的是，在强化学习中，模型具有非常特定的含义：它指的是环境的不同动态状态以及这些状态如何导致奖励。
...政策是您根据当前状态/位置确定采取何种行动/方向的任何策略。
强化学习（或任何真正的学习）的总体结果是制定一项政策，即在呈现特定领域时要采取的一系列行为或行动。
强化因素是您根据先前学习的结果不断地重新运行学习过程，有效地应用新策略并从结果中学习以改进策略。
在基于模型的强化学习中，我们使用模型来表示环境或领域，它记录了事实或状态以及可能的行动。通过了解某些事实，策略可以在每个重复周期中专门针对这些状态和动作，测试和提高策略的准确性，就像它提高模型的质量一样。
另一种看待两者的方式是，模型是先前学习的记录或结果，它是环境的更新视图。该模型处理事实或假设的事实，基于过去的政策执行结果，模型保存了过去执行的记录，这些数据可用于近似从特定状态下采取某些行动的结果。政策是对行为的实际学习，而模型是支持和确认我们学习的事实。
同一篇文章中的这张图简化了强化学习中model和policy之间的关系：
【讨论】：