[poster]

我正在尝试将数据集分为2类1和0。我使用了监督学习算法，现在我想尝试使用强化学习来达到相同的目的。我已经开始阅读它，并提出以下问题：1. Q学习和K武装匪徒有什么区别？ 2.哪种RL算法最适合此问题？ 3.我可以使用我的监督学习代码作为培训代理的环境吗？



更多&回答...