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。


我们根据环境将机器分为两种：不理解环境（model-free RL） 和理解环境的（model-base RL）.

不理解环境 （Model-free learning）——对地球一无所知…
1.机器人不懂得环境是什么样子，它会通过自己在环境中不断试错，以获得行为上的改变。
2.这类模型常用的有Q-learning（Valued-based Approach,Learning an Critic）,Policy Gradients（Policy-based Approach,Learning an Actor）.

理解环境的 （Model-base learning࿰