Vahvistusoppiminen
term_id: reinforcement_learning
Category: basic_concepts
Definition
Vahvistusoppiminen (RL) on koneoppimisen haara, joka keskittyy siihen, miten älykkäiden agenttien tulisi toimia ympäristössä maksimoidakseen kumulatiivisen palkinnon. Toisin kuin valvottu oppiminen, vahvistusoppimisessa agentti oppii kokeilemalla ja saamalla palautetta toimistaan.
Summary
Vahvistusoppiminen on koneoppimisen muoto, jossa agentit oppivat tekemään päätöksiä vuorovaikuttamalla ympäristön kanssa maksimoidakseen palkinnot.
Key Concepts
- Agentti
- Ympäristö
- Politiikka (Policy)
- Palkkafunktio
- Tilatila (State Space)
Use Cases
- Itseohjautuva ajaminen
- Pelitekoäly (esim. AlphaGo)
- Suositusjärjestelmät