Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

Avaliação das Ações: o Problema de Atribuição de Crédito | 467

vemos primeiro concatenar 1-outputs para que ele tenha um tensor que contenha

a probabilidade de ambas as ações, esquerda e direita. Observe que, se houvesse

mais de duas ações possíveis, a rede neural teria que gerar uma probabilidade por

ação para que você não precisasse da etapa de concatenação.

Ok, agora temos uma política de rede neural com observações e ações de saída, mas

como a treinamos?

Avaliação das Ações: o Problema de Atribuição de Crédito

Como de costume, se soubéssemos qual seria a melhor ação em cada etapa, poderíamos

treinar a rede neural minimizando a entropia c