强化学习 学习报告

强化学习与其它机器学习范式有什么不同呢？

1）没有监督，仅仅只有一个奖励信号，或者说，不直接判定某个状态或动作的好坏，而是给出一个奖励；
2）没有即时的反馈，或者说，反馈是有延迟的。比如围棋，我们当前的落子并不会直接被赋予奖励，而是整盘棋下完之后才有一个反馈（+1表示赢，-1表示输）；
3）数据是序列化的，数据与数据之间是有关的；
4）智能体的行为将影响后续的数据，比如在围棋中，我们当前的落子将会影响棋局的走向。