RL與有監督學習、無監督學習的比較：
（1）有監督的學習是從一個已經標記的訓練集中進行學習，訓練集中每一個樣本的特征可以視為是對該situation的描述，而其label可以視為是應該執行的正確的action，但是有監督的學習不能學習交互的情景，因為在交互的問題中獲得期望行為的樣例是非常不實際的，agent只能從自己的經歷（experience）中進行學習，而experience中采取的行為并一定是最優的。這時利用RL就非常合適，因為RL不是利用正確的行為來指導，而是利用已有的訓練信息來對行為進行評價。
（2）因為RL利用的并不是采取正確行動的experience，從這一點來看和無監督的學習確實有點像，但是還是不一樣的，無監督的學習的目的可以說是從一堆未標記樣本中發現隱藏的結構，而RL的目的是最大化reward signal。
（3）總的來說，RL與其他機器學習算法不同的地方在于：其中沒有監督者，只有一個reward信號；反饋是延遲的，不是立即生成的；時間在RL中具有重要的意義；agent的行為會影響之后一系列的data。
聯系：highspeedlogic
QQ ：1224848052
微信：HuangL1121
郵箱：1224848052@qq.com
網站：http://www.mat7lab.com/
網站：http://www.hslogic.com/
微信掃一掃：
