Machine Learning : L'apprentissage par renforcement

Limite

 

Les limite de l'apprentissage par renforceent

Bien que L’apprentissage par renforcement semble être une technologie très efficace et pertinente, il a cependant quelques limites.

Tout d'abord, il est souvent trop coûteux en mémoire, car il doit stocker des valeurs pour chaque État. Et, puisque les problèmes peuvent être assez complexes, cela peut donc devenir très couteux en mémoire.

Ensuite, l’élaboration de cette technologie consiste à mettre en place des techniques d'approximation de valeur, tels que les arbres de décision ou les réseaux de neurones.

De plus, les problèmes sont aussi généralement très modulaires; des comportements similaires réapparaissent souvent. Il est donc très souvent impossible de déterminer entièrement l'état actuel. Cela affecte ainsi la performance de l'algorithme.