一、强化学习概述

强化学习是什么？

强化学习是面向智能体的学习，智能体通过与环境进行交互来达到预定目标。

强化学习通过试错和优化来进行学习，智能体通过试错后的奖励或者惩罚来学习。

强化学习和机器学习的关系：

机器学习分为三类：监督学习、非监督学习、强化学习。

       监督学习：有即时标签的学习。

      非监督学习：无标签学习。

      强化学习：有延迟奖励的学习。

【例】：给出一批人脸图片，要求做分类

       监督学习：给定人脸的标签（人名），通过数据学习得出人脸属于哪个数据。

       非监督学习：不需要标签，通过学习，判断出哪些图像属于同一个人。

       强化学习：没有标签，只有奖励信号，奖励包括：

                         即时奖励：如果分错了，告诉你错了。

                         延迟奖励：全部分类完毕，告诉你本次分类的得分。

强化学习的直观特性：

     1）没有监督信号，只有奖励信号（具体变抽象）

     2）奖励信号大都是延迟的，不是即时的。

     3）强化学习是优化问题。