1樓：
這個問題解決了嗎？用dl不外乎就是神經網路擬合，輸出用softmax計算概率。答主是否有更好的辦法。樓上說的pca降緯方法在輸出資料集過大且線性的情況下不知道有多大作用。
2樓：Anticoder
action作embedding，用較小維度的action embedding作為動作輸入或者輸出，之後再根據相似匹配具體某個動作
3樓：敲程式碼的quant
瀉藥，我明白你的意思，每個action都是以（a,b,c,...）作為乙個組合，導致最後的動作空間可能會很大。
傳統的強化學習在處理這種動作離散空間特別大的情景時，可能會存在查表速度慢或者記憶體空間不足，以及curse of dimensionality等問題。而深度強化學習，則會通過深度神經網路的途徑來擬合這個動作空間，所以離散和連續空間都可以處理。
但是，說一下我之前在做深度強化學習時，也遇到過這樣的情景，當時的組合可能沒有你說的那麼大，但是最後的訓練過程卻很同樣很漫長，而且還很容易陷入區域性最優，效果並不樂觀，另外訓練之前引數的初始化，合適的優化器的選擇也都極為重要。
建議可以pca降維、聚類或者其他quantity來代替原動作空間。
請問大家對深度強化學習中的Data Efficiency有什麼獨到理解或者提公升建議？
關於RL中的sample efficiency問題，Shane Gu過去幾年做了很多相關工作。這是去年他的乙個talk Deep Reinforcement Learning for Robotics Frontiers and Beyond 中的一頁slides，我覺得解釋得比較清楚。白色區域是對...
深度強化學習與深度學習的的區別是啥？
Warren 深度學習做的是智慧型感知 通俗來講就是條件反射 屬於連線主義學派，優化目標大多連續函式 對應連續優化和隨機優化 強化學習做的智慧型決策，屬於行為主義學派，優化目標是離散函式 對應組合優化 深度強化學習就是做組合優化太讓人頭禿了，乾脆直接假設個模型去擬合，能有個近似最優也不錯，於是又回歸...
深度學習或強化學習在組合優化方面有哪些應用？
苦中作樂tttt 其實很多基本組合問題用trick加很好的heuristic,可以優化很好了。當然實際應用中的組合優化問題，可能結構或者限制更複雜，許多漂亮的trick用不了或者對數學要求太高了。退而求其次，如果想稍微通用或者懶一點，可以考慮上神經網路。整數優化求解器的樹搜尋模組，比較重要的是pri...