标签： python tensorflow classification reward
我是tf的初学者，所以请放纵...
我有一个数据集，其中包含动作，上下文描述符和分数（奖励）。我尝试训练一个模型，该模型预测给定上下文的最佳动作（由分数定义）。
数据如下：
action（标签）；上下文特征1；上下文特征2；上下文特征3；得分（奖励）
我知道这看起来像是强化学习问题，但是我读到强化学习不使用任何数据库。
我尝试了包括奖励在内的自定义损失功能，并通过优化程序将其最小化，但似乎没有效果...
感谢您的回答。
杰拉德