什么是强化学习？它与监督学习和无监督学习有何不同？
在强化学习方法中，经过训练的代理与特定环境交互并根据该环境的当前状态采取行动。
强化学习的工作如下-
首先，您需要准备一个具有一些特定策略集的代理。
现在让代理观察环境的当前状态。
基于代理的观察，选择最优策略，并执行合适的动作。
根据采取的行动，代理将获得奖励或惩罚。
如果需要，更新步骤1中使用的策略集。重复步骤1-4的过程，直到代理学习并采用最优策略。
众所周知，监督学习方法在训练过程中同时获取训练数据及其相关输出。但是无监督学习方法不需要任何标签或响应以及训练数据，它们从给定的原始数据中学习模式和关系。而在强化学习方法中，代理以离散的步骤与特定环境交互。
如果我们谈论输出，监督学习方法预测基于类类型，无监督学习方法发现潜在模式，但在强化学习方法中，存在学习代理工作的奖励和行动系统。