版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/ybdesire/article/details/81159189
1. 摘要
通过对比有监督学习，来理解强化学习的基本思想。
2. 强化学习与有监督学习的区别
在有监督学习中，我们通过建立“特征->标签”对，来训练模型，从而让模型学会解决分类、回归问题。
但在强化学习中，我们没有标签，我们的Y值只是一个分数(reward)。通过这个分数，可以衡量模型所做决策（决策位于X中）的好坏。
在gym环境中，the goal is always to increase your total reward。
3. 强化学习中最重要的“特征”
参考gym库的定义，下面给出实际使用强化学习时，需要获取的数据：
- observation：相当于有监督学习中的特征，比如图像的二维原始像素矩阵。
- reward：上一次action进行后，取得的奖励值。在gym环境中，the goal is always to increase your total reward。
- done：是否达到目标，比如gym游戏中，将平衡杆子直立到规定的角度之内
结合下图
其中的agent，就是我们需要训练的AI模型。agent根据observation预测出action，通过实际env中执行action，取得该action的reward，通过这个reward，来反馈控制模型做出更好的判断。
