Reinforcement Learning
基本的な解説
種類
https://gyazo.com/2adeba83fdf56c83553b0b84596e786b
Q学習
DQN
DDQN, Dueling Net, Gorila, Prioriezed Experience Replay
Ape-X, R2D2
SARSA
Acto-Critic
A3C
UNREAL, ACER
DDPG, TRPO, NAC
PPO2
Policy gradients
REINROECE, 'Vanilla'
強化学習ライブラリ
KerasRL
ChainereRL
Stable Baseline
stable-baselinesは中でtensorflowを使用するが、tensorflow2には対応していないため、tensorflow１をインストールする必要がある。最新のpip3==21.x.xではtensorflow1がインストールできないため、pip3==20.x.xを使用しなければならない。
そのためにPython3.8ではなく、Python3.7にしなければならないということだ。
stalbe_baselinesをインポートすると以下のエラー、いろいろとダウングレードの必要があるようだ。
$ ModuleNotFoundError: No module named 'tensorflow.contrib'
Suttonの分類
動的計画法、モンテカルロ法、TD学習
ブートストラップ法
(wiki) 統計学においては、母集団の推定値の性質を、近似分布に従って標本化したときの性質を計算することで推定する手法。