本文主要是介绍强化学习和监督学习的一些区别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
强化学习要求agent去探索环境，然后对状态进行evaluate，在每一个状态下agent可以选择多种action，每次选择的依据可以是贪婪或者softmax等，但是得到的reward是无法表明当前的选择是正确的还是错误的，得到的只是一个score，监督学习的labels可以给agent简洁明了的correct or wrong，并且在agent 在对环境充分的探索前即在每一种状态下选择的每个action的次数不够多时，无法充分求expect，并且在action之间也无法进行对比择优。但是当监督学习的label信息有噪声干扰或者是利用一些active learning 获得到的labels的时候，强化学习的agent与环境直接交互获取到的信息是更加可靠。
这篇关于强化学习和监督学习的一些区别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
