强化学习（RL）基本概念

强化学习不像监督学习那样有自己明确的目标，强化学习可以看成是一个记分的系统，记住及其获得低分和高分的行为，然后不断要求机器能取得高分的同时避免低分。你也可以把它当成分数导向的系统，跟监督学习的标签一样。 整个强化学习系统由智能体（Agent）、观察（Observation）、奖赏（Reward）、动作（Action）和环境（Environment）五部分组成，系统示意图如下图所示。 我们根据环境将

>>阅读原文<<