什么是强化学习（Reinforcement Learning）

阅读笔记，来自莫烦PYTHON的强化学习教程，原文地址。
强化学习是机器学习的一大类，使用强化学习可以让计算机学习如何在环境中拿到高分，表现出优秀的成绩。
从无到有

强化学习是一类算法，是让计算机实现从一开始什么都不懂，通过不断地尝试，从错误中学习，最后找到规律，学会了得到高分的办法。这就是一个完整的强化学习的过程，实际中强化学习的例子有很多，比如Alpha go，机器头一次在围棋场上战胜人类高手。既然要让计算机自己学，那计算机通过什么来学习呢。

虚拟老师

原来计算机也需要一位虚拟老师，不会告诉你如何选择行为，他为你做的事只有给你的行为打分，那我们应该怎样从分数中学习到我们应该怎样选择行为呢？很简单，我们只需要记住那些高分低分对应的行为，选择高分行为，避免低分行为。
比如老师会根据我的开心成度来打分，我开心时，可以得到高分，我不开心时得到低分。有了这些被打分的经验，我就能判断为了拿到高分，我应该选择一样开心的脸，避免选择伤心的脸。这也是强化学习的核心思想。可以看出在强化学习中，一种行为的分数时非常重要的，所以强化学习具有分数的导向性。我们换个角度思考，这种分数导向性就好比我们在监督学习中的正确标签。

对比监督学习

我们知道监督学习，是已经有了数据和数据对应的正确标签。强化学习在一开始并没有数据和标签，他是在环境中尝试，获取这些数据和标签的，然后在学习通过哪些数据能够对应哪些标签，通过学习到这些规律，尽可能的选择带来高分的行为。这也说明了在强化学习中，分数标签就是他的老师，这一点和监督学习中的老师也差不多。

RL算法们

强化学习是一个大家族，包含了很多种算法，比如通过行为的价值来选区特定行为的方法，包括使用表格学习的Q-Learing，Sarsa，Deep q network，还有直接输出行为的policy gradients，又或者是了解所处环境，想象出一个虚拟环境并从虚拟环境中学习，等等。