1. 定义 机器学习算法可以分为3种：有监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning）。强化学习（Reinforcement Learning, RL），又称再励学习、评价学习 ...

一.概述 　　强化学习是根据奖励信号以改进策略的机器学习方法。策略和奖励是强化学习的核心元素。强化学习试图找到最大化总奖励的策略。强化学习不是监督学习，因为强化学习的学习过程中没有参考答案；强化学习也不是非监督学习，因为强化学习需要利用奖励信号来学习。 　　强化学习任务常用“智能体/环境”接口 ...

强化学习详解与代码实现 本文系作者原创，转载请注明出处:https://www.cnblogs.com/further-further-further/p/10789375.html 目录 1.引言 ...

监督学习(Supervised learning) 监督学习即具有特征(feature)和标签(label)的，即使数据是没有标签的，也可以通过学习特征和标签之间的关系，判断出标签--分类。 简而言之：提供数据，预测标签。比如对动物猫和狗图片进行预测，预测label为cat或者dog ...

机器学习分类: 强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益 强化学习基础概念:Agent :主体,与环境交互的对象,动作的行使者Environment : 环境, 通常被规范为马尔科夫决策过程（MDP）State : 环境状态的集合Action ...

强化学习总结 强化学习的故事 强化学习是学习一个最优策略(policy)，可以让本体(agent)在特定环境(environment)中，根据当前的状态(state)，做出行动(action)，从而获得最大回报(G or return)。 有限马尔卡夫决策过程 马尔卡夫决策过程理论 ...

强化学习： 强化学习作为一门灵感来源于心理学中的行为主义理论的学科，其内容涉及 概率论、统计学、逼近论、凸分析、计算复杂性理论、运筹学 等多学科知识，难度之大，门槛之高，导致其发展速度特别缓慢。 一种解释： 人的一生其实都是不断在强化学习，当你有个动作（action）在某个状态 ...

Reinforcement learning 是机器学习里面的一个分支，特别善於控制一只能够在某个环境下 自主行动 的个体 (autonomous agent)，透过和 环境 之间的互动，例如 sensory perception 和 rewards，而不断改进它的 行为 。 听到强化学习 ...