强化学习是一种学习方式，跟监督学习、无监督学习并列的学习方式，需要跟环境进行交互，然后更新参数。
强化学习是一种通过跟环境交互获取反馈、更新参数的学习方式，目前主要用在游戏中，
强化学习算法的思路非常简单，以游戏为例，如果在游戏中采取某种策略可以取得较高的得分，那么就进一步「强化」这种策略，以期继续取得较好的结果。这种策略与日常生活中的各种「绩效奖励」非常类似。我们平时也常常用这样的策略来提高自己的游戏水平。
在 Flappy bird 这个游戏中，我们需要简单的点击操作来控制小鸟，躲过各种水管，飞的越远越好，因为飞的越远就能获得更高的积分奖励。这就是一个典型的强化学习场景：
机器有一个明确的小鸟角色
——代理需要控制小鸟飞的更远
——目标整个游戏过程中需要躲避各种水管
——环境躲避水管的方法是让小鸟用力飞一下
——行动飞的越远，就会获得越多的积分
——奖励
在 Flappy bird 这个游戏中，我们需要简单的点击操作来控制小鸟，躲过各种水管，飞的越远越好，因为飞的越远就能获得更高的积分奖励。这就是一个典型的强化学习场景：机器有一个明确的小鸟角色——代理需要控制小鸟飞的更远——目标整个游戏过程中需要躲避各种水管——环境躲避水管的方法是让小鸟用力飞一下——行动飞的越远，就会获得越多的积分——奖励。
你会发现，强化学习和监督学习、无监督学习 最大的不同就是不需要大量的“数据喂养”。而是通过自己不停的尝试来学会某些技能。