强化学习如何做数据分析新加坡国立等TKD

新智元报道

来源：专知

数据分析是现在必备的技能之一。传统大多采用静态算法或者规则进行数据分析，但在现实场景中往往面临的是复杂的交互环境中，如何学习更好的策略是个很实际的问题。幸运的是强化学习可以作为解决这种问题的一种有效方法。来自新加坡南洋理工大学的学者在TKDE发表了《深度强化学习数据处理与分析》的综述论文，对最近的工作进行了全面的回顾，重点是利用DRL改进数据处理和分析。

数据处理和分析是基础和普遍的。算法在数据处理和分析中发挥着至关重要的作用，许多算法设计都结合了启发式和人类知识和经验的一般规则，以提高其有效性。

近年来，强化学习，特别是深度强化学习（DRL）在许多领域得到了越来越多的探索和利用，因为与静态设计的算法相比，它可以在复杂的交互环境中学习更好的策略。受这一趋势的推动，我们对最近的工作进行了全面的回顾，重点是利用DRL改进数据处理和分析。

首先，我们介绍了DRL中的关键概念、理论和方法。接下来，我们将讨论DRL在数据库系统上的部署，在各个方面促进数据处理和分析，包括数据组织、调度、调优和索引。

然后，我们调查了DRL在数据处理和分析中的应用，从数据准备、自然语言处理到医疗保健、金融科技等。

最后，我们讨论了在数据处理和分析中使用DRL所面临的重要挑战和未来的研究方向。

论文链接：

转载请注明：http://www.abuoumao.com/hykh/290.html