【强化学习】1.1.1 强化学习、监督学习和非监督学习

Abstract: 本文主要介绍强化学习,监督学习,非监督学习之间的不同。
Keywords: Supervised Learning,Unsupervised Learning,Reinforcement Learning

Machine Learning(机器学习)

上文我们曾提到强化学习是机器学习的一种,而机器学习的定义是什么我也不记得了,而可以肯定的是下面这三类算法或者三个learning都属于机器学习,机器学习是个更大的概念:

  1. 监督学习
  2. 非监督学习
  3. 强化学习

监督学习是最常见,也是当前比较火爆的领域,你要是不懂个CNN,神经网络的都不好意思是说自己是做研发的,这些算法都是监督学习。
非监督学习更注重通过算法来找到一些为标记的数据的背后的关系,比如常见的聚类算法。

强化学习,最形象的过程就是学下棋,目标就是赢棋,至于如何走每一步,这就是算法要解决的问题了,不管你怎么折腾,目标明确,就是要赢棋,尽量不输。

关于机器学习的相关知识强烈推荐,参考文献2的这本书,很详细和严谨。后面如果有时间,我也会接着写这本书的博客。

下面我们介绍下RL对于监督学习和非监督学习的主要区别。

Reinforcement Learning v.s. Supervised Learning(强化学习和监督学习)

首先我们要介绍一个概念,knowledge,这个单词是中学学的,表示知识,对于这两类算法,可以理解为在建立模型之前已知的所有条件,这些条件包括问题类型,已知的对于此类问题有效的方法,已知数据等等,所有我们知道的,与之相关的都是knowledge,而在这些knowledge中,RL和SL(监督学习的简称)的一个最最最显著的不同就是数据,SL的每一条数据都有明确的label,也就是模型应该对这条数据的反应,而RL没有。这就产生了巨大的差别,RL每次对input的action是不知道对错的,也不会产生什么loss或者残差,而监督学习可以,而且可以用数字精确衡量,而RL最多也就是自己估计一个好坏程度,摸着石头过河。

没错,监督学习,是有家教的好孩子,每一步都有指导方针,每天都有纠错,改错,进步,没什么随机性。而RL就是个野生的,一学期没人管,期末考试没考好,回家被揍一顿,类似于这种效果。

你可能说,监督学习里也有随机啊,随机梯度下降,放心,那是因为愚蠢的人类目前没有找到直接一步到位的优化方法,而这种方法应该是存在的,随机过程只是优化方法无奈的一种选择,而监督学习的每一步都是有准确衡量的,错了多少,对了多少都是明确的。这就是和RL的最大区别之一。

监督学习通过extrapolate,generalize,最后得到一个尽可能高准确率的分类结果(或者叫做response)
监督学习没有环境这种说法,所以其学习的就是不是环境和acition之间的interaction。

如果你一定要说interaction是损失函数算出来的数值,这里我觉得也可以,但是似乎有些怪异,比如一个baby走路,爸爸妈妈的教法应该是,站起来,别摔倒,能走多远走多远,而如果要使用损失函数,就有点类似于告诉这个小baby,你每一步必须走21.286cm,多了或少了都要有“损失”哦,损失函数更像机器,RL更像人

RL的另一个特点是,他学习的最终目的是对所有situation都有正确并且及时的反应,不能对于一个situation没有反应或者自己错乱了,这都是不允许的。
RL从他之前的experience中产生action这个也是SL没有的,因为SL没有经验,所有信息都在模型本身里面,没有什么记忆可以谈。

Reinforcement Learning v.s. Unsupervised Learning (强化学习和非监督学习)

有人说RL不是监督学习,那就非监督学习喽,其实他们也有很大的不同,所以非监督学习并不是监督学习在机器学习领域内的补集。

非监督学习的主要目的,就是找到无任何标记的数据的背后的隐含的关系。所以没有对错输赢这种书法,更像是听天由命。

为出现的结构数据对于RL是有用的,但是更多的数据并不能解决RL的问题,但是更多的数据对于SL或者UL往往能产生质的飞越。

RL不是监督学习,也不是非监督学习,RL的目标很单纯:

MAXIMUM REWARDING SINGAL

Conclusion

本文主要介绍强化学习和监督学习,非监督学习的区别,并说明,机器学习不是简单的分成监督非监督学习两种。

References

  1. Sutton R S, Barto A G. Reinforcement learning: An introduction[J]. 2011.
  2. Nasrabadi N M. Pattern recognition and machine learning[J]. Journal of electronic imaging, 2007, 16(4): 049901.

原文来自:https://face2ai.com/RL-RSAB-1-1-1-Reinforcement-Learning转载标明出处

0%