小白学的比较浅,不太理解在离线环境下,只有离散的数据记录,那么每个state都是无关的,怎么训练能连接s到s'的序列
可能我表达的不是特别清楚,在RL中由一个state到另一个状态是根据反馈r决定的,但是在无法与用户交互的离线环境下,每一条记录的状态s是无关的,那么应该怎么训练?
https://blog.csdn.net/qq_41185868/article/details/83302461