測驗

學習和避免能力錯覺的最佳方法是**自我測試**。這將幫助你找出**需要鞏固知識的地方**。

Q1: 以下哪種對偏差-方差權衡的解釋在強化學習領域中最準確？

Q2: 當談論強化學習中具有偏差和/或方差的模型時，以下哪些陳述是正確的？

Q3: 以下哪些關於蒙特卡洛方法的陳述是正確的？

Q4: 用你自己的話，你將如何描述 Actor-Critic 方法 (A2C)？

解決方案

Actor-Critic 背後的思想是學習兩個函式近似：

1. 一個`策略`，控制智慧體的行為 (π)
2. 一個`價值`函式，透過衡量所採取行動的好壞來輔助策略更新 (q)

Q5: 以下哪些關於 Actor-Critic 方法的陳述是正確的？

Q6: A2C 方法中的“優勢”是什麼？

解決方案

我們可以使用`優勢`函式，而不是直接使用評論員的行動-價值函式。`優勢`函式背後的思想是，我們計算某個行動與該狀態下其他可能行動的相對優勢，並對其進行平均。

換句話說：在某個狀態下采取該行動與該狀態的平均價值相比，有多大的優勢。

恭喜你完成了這個測驗🥳，如果你漏掉了一些內容，請花時間再讀一遍本章，以鞏固（😏）你的知識。

< > 在 GitHub 上更新