强化学习：马尔可夫决策过程-第1部分

介绍强化学习的核心 — 马尔可夫决策过程

在我之前的大部分文章中，我主要讨论了监督学习，并夹杂了一些无监督学习的要素。然而，在本文和接下来的几篇文章中，我将尝试解决强化学习的问题，并给读者一个清晰而直观的理解。

首先，让我们对机器学习进行一个总体概述。在机器学习中，有三个不同的主要子领域，分别是无监督学习、监督学习和强化学习。我们首先尝试理解它们之间的区别：

无监督学习：自动找出所有没有标签的数据点的模式或给它们标签，每个点是所有特征的向量，通常是通过对它们进行聚类来实现。想象一下，您搬进一个新房间，里面有衣橱和橱柜，还有您的所有物品。您仔细研究了房间和物品，并看到哪些物品彼此相似，然后按照类别将物品整理到它们各自的位置上。从本质上讲，您正在进行无监督学习 —— 这是一个单步骤的过程。
监督学习：现在您有了这些带有标签的数据点 —— 您被告知每个数据点属于哪个标签。然后，您找到能够将这些数据点正确匹配到标签的函数 —— 找到 y≈f(x)。想象一下，您正在学习强化学习，并且最初您有一些先入之见。因此，你的 f(x) 是随机初始化的。随着时间的推移，当您不断回顾学习材料时，您的概念变得更加牢固。从本质上讲，这个 y 是学习材料，f(x) 是您的理解。正如您所看到的，监督学习是一个单步骤的过程。
强化学习：强化学习与监督学习非常不同，因为它不依赖于标签进行学习，而是利用奖励。此外，强化学习通常是一个多步骤的过程 —— 有许多状态，每个状态都有数据点 —— 对于每个状态，智能体选择行动以最大化长期回报。在监督学习中，标签 y…