Lecture 5: Monte Carlo Learning
强化学习中的数学原理 | 第五课
记得高中的时候了解过用蒙特卡洛法估算圆周率，核心思想是用大量随机采样，将问题转化成概率统计问题，之后用样本值来估计理论值，我在此之前还不知道强化学习中的蒙特卡洛法是不是也是这个意思，我将带着这个问题往下看
上节课介绍的是model-based的方法，这节课将的是model-free的方法
- model-based: 知道环境是什么，可以模拟推演出下一步的状态
- model-free: 没有环境模型，只能靠真实和环境交互得到的样本来学习价值函数和policy
本章暂时skip