测验

学习和 避免能力错觉 的最佳方法是 **自我测试。** 这将帮助您找到 **需要加强知识的地方。**

Q1: 策略梯度相对于基于价值的方法有哪些优势？ (选择所有适用的)

Q2: 什么是策略梯度定理？

解决方案

策略梯度定理 是一个公式，它将帮助我们重新制定目标函数，使其成为一个可微函数，不涉及状态分布的微分。

Q3: 基于策略的方法和策略梯度方法有什么区别？ (选择所有适用的)

Q4: 我们为什么使用梯度上升而不是梯度下降来优化 J(θ)？

恭喜您完成本测验 🥳，如果您错过了某些内容，请花些时间再次阅读本章，以加强 (😏) 您的知识。

< > 在 GitHub 上更新