【发布时间】：2020-05-24 15:23:45
【问题描述】：
我正在训练一个深度 q 网络来交易股票；它有两种可能的动作； 0：等待，1：没买就买，买了就卖。作为输入，它获取所购买股票的价值、股票的当前价值以及与股票相关的前 5 个时间步长的股票价值。所以像
[5.78, 5.93, -0.1, -0.2, -0.4, -0.5, -0.3]
奖励只是销售价格和购买价格之间的差额。任何其他动作的奖励都是 0，尽管我尝试过让它为负数或其他没有结果的东西。
简单吧？不幸的是，代理总是收敛于采取“0”行动。即使我放大了以盈利或任何数量出售的回报。我真的把我的头发拉出来了，我错过了什么明显的东西吗？
【问题讨论】：
-
能否在您的问题中包含您的代码？很难抽象地回答。
-
准确的定义或你的奖励函数是什么？添加一些代码也会有所帮助。
-
增加了奖励函数定义。我可以添加代码，但是哪些代码？有好几百行“相关”代码，我不想只是复制粘贴整个内容并要求您弄清楚。
标签： python neural-network q-learning dqn