從2016年初開始，大鼻一直遇到一些文字 … More

「多臂式拉吃角子老虎機」是一個 MDP，而我們將動作集合簡化成 $latex \mathcal{A}(s) = \{1,2,\cdots,K\},~\forall s\in\mathcal{S}$，且假設執行動作得到的報酬僅跟執行的動作有關，也就是我們可以將狀態空間寫為$latex \mathcal{S}=\{S_1,\cdots,S_K\}$。

幾乎所有的機器學習課程，都會談到一個很經典的演算法，叫做支持向量機 (support vector machine) 。最近有個朋友在粉絲專頁上問到，「支持向量機到底是什麼？」所以我想要(嘗試) 用比較好理解的方法簡單介紹什麼是 SVM。

人類在進行決策時，常常會根據目前「環境」(environment) 的「狀態」 (state) 執行「動作」 (action)，執行動作會造成兩個結果：一是人們會得到「環境」給我們的回饋，也就是人類會得到「報酬」 (reward) ，接著我們所執行的動作也會去改變「環境」，使得「環境」進入到一個新的「狀態」。