Sutton’sTD（0）算法：考虑当前回报和下一状态的估计值，它的更新公式 ：
• Q-learing算法：它和Sutton’sTD(0)算法类似，只是将动作集A也考虑进来。 定义动作价值函数Q（s,a），
深度强化学习 DRL
深度学习感知能力强；强化学习决策能力强；结合更好！
根据环境做出的奖励来决策
典型应用：DQN
把Q-learning中的价值函数用深度神经网络来近似。
包括主网络和目标网络：
主网络：通过最大Q值选择action，而被选定的Q值则由目标网络生成
目标网络：辅助计算目标Q值，目的是避免网络陷入 目标Q值 与预测Q值的反馈循环。
经验回放experience replay
将系统探索环境得到的数据储存起来，然后随机采样样本****更新深度神经网络的参数。
对于时间序列信息，深度Q网络的处理方法是加入经验回放机制。 但是经验回放的记忆能力有限，每个决策点需要获取整个输入画 面进行感知记忆。
深度森林
决策树（Decision Tree），是一种基于树结构进行决策的机器学习 方法，这恰是人类面临决策时一种很自然的处理机制。
决策树生成过程：
1.寻找适合分割的特征。
2.根据纯度判断方法，寻找优的分割点，基于这一特征把数据分割成 纯度更高的两部分数据。
3.•判断是否达到要求，若未达到，重复步骤一继续分割，直到达到要求 停止为止。
4.剪枝，防止过拟合。
随机森林
随机建立一颗颗决策树，组成森林，决策树之间没有关联。当有一个新的样本输入，就让 每棵树独立 做出判断，按照 多数原则 决定该样本的分类结果。集成学习的思想。
•随机森林的生成方法
1.从样本集中通过重采样的方式产生n个样本
2.假设样本特征数目为a，对n个样本选择a中的k个特征，用建立决策树的方 式获得最佳分割点
3.重复m次，产生m棵决策树
4.按多数投票机制来进行预测
•优势 •
与DNN相比需要的参数更少。
训练速度快。
不仅适合大规模数据也适合小规模数据。
基于树模型解释性比较好
基于森林的自编码器
•自编码器（Auto-Encoder）是神经网络的一种，是一种重要的表 示学习模型，是深度学习的关键要素之一。自编码器的基本结构 是由一个编码器（encoder）和一个解码器(decoder)组成，其中 encoder将输入映射到隐空间，encoder将隐空间的表示重构为 原表示。
•eForest（Encoder-Forest）基于森林的自编码器，能够利用决策 树的决策路径所定义的等效类来进行**后向重建。**利用决策树集成 算法进行向前编码和向后解码的操作。
•前向编码 •在一个有N个已训练决策树的森林中，前向编码过程接受输入 数据并将其发送到集成方法中每棵树的根结点。 •一旦数据遍历（traverse）到所有树的叶结点，该过程将返回 T 维向量，T中的每个元素t 是树t 中的叶结点的整数索引。
•后向解码
•利用决策树进行决策时需要将决策的路径记录下来，而每个决 策路径对应了一个规则（rule）。
•在进行解码重构的过程中，利用森林中N个规则，运用大相 容规则Maximum Compatible Rule（MCR），获取N维编码所 对应的更精确的规则，以此规则进行重构。
•优势
•训练速度较快。如在MNIST和CIFAR10 上的训练速度比基于 神经网络的模型快数倍以上。 •重构误差低。基于规则，而不是计算。 •容损性。编码规则具有强相关性，因此在部分损坏的情况下也 能很好地工作。 •可复用性
•不足
•与神经网络相比编码表达力不足。
•编码、解码速度相对神经网络较慢
深度森林适用条件
•具备逐层处理的任务
•内部特征无变化。
•参数不可微。
•一定的模型复杂度。
