机器学习、深度学习和强化学习的关系和区别是什么？

机器学习（ML：machine leaning）：一切通过优化方法（线性回归、逻辑回归、决策树、向量机、贝叶斯模型等）挖掘数据中规律的学科。

深度学习与强化学习都属于机器学习的范畴；深度学习是有标签、静态的，多用于感知。强化学习是无标签、动态的，多用于决策。

深度学习最广泛的应用是图像处理和自然语言处理NLP了

强化学习实际应用目前还较窄，主要包括AI游戏（如Atari），推荐系统（如阿里家的），机器人控制相关（如Ng的无人机飞行）

深度学习（DL：Deep learning）：一切运用了神经网络（深度神经网络DNN、卷积神经网络CNN、递归神经网络RNN、长期短期记忆LSTM、生成敌对网络GAN、转移学习、注意模型）作为参数结构进行优化的机器学习算法。

强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。学习是为了更好地对环境进行探索，而探索是为了获取数据进行更好的学习。

深度强化学习：一切运用了神经网络作为参数结构进行优化的强化学习算法。