Day 2240：学习

强化学习和监督学习的区别如下。

（1）强化学习处理的大多数是序列数据，其很难像监督学习的样本一样满足独立同分布。

（2）学习器并没有告诉我们每一步正确的动作应该是什么，学习器需要自己去发现哪些动作可以带来最多的奖励，只能通过不停地尝试来发现最有利的动作。

（3）智能体获得自己能力的过程，其实是不断地试错探索（trial-and-error exploration）的过程。