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）HandHe: 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