Intuición detrás de la predicción de la probabilidad en el aprendizaje por refuerzo

Question

Estoy aprendiendo a implementar el aprendizaje por refuerzo para resolver un problema de clasificación. Entiendo que no es un enfoque común y que podría no devolver un mejor rendimiento en comparación con otros clasificadores supervisados. En Sklearn, cada modelo tiene su propio cálculo de predict_proba() para predecir la probabilidad de cada etiqueta.

¿Alguien tiene alguna idea sobre cómo predecir la probabilidad de cada etiqueta utilizando el aprendizaje por refuerzo, específicamente usando DQN (deep Q-network)?

Answer 1

Ninguna red neuronal produce clasificaciones binarias. Las redes neuronales se definen en términos de funciones de números en coma flotante y la capa final de la red neuronal también devuelve salidas en coma flotante. Las salidas pueden utilizarse para realizar clasificaciones duras mediante su umbralización. Dichas salidas no están limitadas, o se pasan por algún tipo de función de activación (ReLU, tanh, sigmoide, softmax, etc). Si se necesitan probabilidades de eventos binarios se utiliza sigmoide, si se tienen datos multiclase, se utiliza softmax, por lo que los valores devueltos pueden ser interpretados como probabilidades.