强化学习 PPO

强化学习

#

首先我们来认识一下强化学习。

一般来说，我们把机器学习算法分为监督学习（Supervised）和非监督学习（Unsupervised），上图我们引入了另一种机器学习方法 – 强化学习。

不过多消耗在三者的概念分辨上，意义不大。但这三类机器学习方法与人类社会有某种似曾相识的感觉。

• 监督学习 – 尽可能的去拟合、遵循现有规则。从线性回归

• 非监督学习 – 抱团，物以类聚，人以群分。

• 强化学习 – 赏罚，“巴甫洛夫的条件反射实验”