蒙特卡洛树搜索（MCTS）中的扩展（Expansion）和模拟（Simulation）

Better-1:

拓展是只拓展一个还是多个？

【无聊问题之】DQN算法为什么要使用两个网络（主网络和目标网络）

vickHe:

这个不是价值函数吗，为什么通常成为policy_net，不应该是value_net吗

Explained variance（解释方差）

黄振301:

λi应该是第i个主要成分的方差,才对怎么会是这个主要成分的特征值除以特征值总和

强化学习PPO算法中的returns（回报）、deltas（TD误差） 和 advantages（优势）

xk_99:

请问作者大大，Actor网络更新的时候应该使用Return还是Advantage进行更新呀

Pandas DataFrame合并a列相同的项，并将相应b列的字符串相加

qq_41050468:

如果还有个c列不需要拼接，只需要保持原样可以怎么写啊，这个方法会把出去a,b列以外的所有列都去掉