强化学习
教材《人工智能导论》3.4.1,3.4.2 · 已审核
通俗解释
把状态、动作、奖励、价值与策略串成一条学习链，才能理解为什么算法需要反复与环境交互。
例子
机器人反复试走迷宫，根据到达目标与碰撞的反馈调整策略。
容易混淆
强化学习的奖励不是逐样本正确标签。
检查理解
何时应选择强化学习而非监督分类？
查看参考答案
当任务涉及连续决策、行动影响后续状态且有奖励反馈时适合考虑强化学习；已有逐样本标准标签的静态分类任务通常先考虑监督学习。
教材《人工智能导论》3.4.1,3.4.2 · 已审核
把状态、动作、奖励、价值与策略串成一条学习链，才能理解为什么算法需要反复与环境交互。
机器人反复试走迷宫，根据到达目标与碰撞的反馈调整策略。
强化学习的奖励不是逐样本正确标签。
何时应选择强化学习而非监督分类？
当任务涉及连续决策、行动影响后续状态且有奖励反馈时适合考虑强化学习；已有逐样本标准标签的静态分类任务通常先考虑监督学习。