监督学习

• 1）人们根据输入和输出数据构建分类器
• 2）使用训练数据集对分类器进行训练
• 3）该分类器已通过测试数据集进行了测试
• 4）如果输出令人满意，则进行部署

在以下情况下使用：“我知道如何对这些数据进行分类，我只需要您（分类器）对其进行分类即可。”

方法要点：分类标签或产生实数

无监督学习

• 1）人们根据输入数据建立算法
• 2）使用一个测试数据集测试该算法（该算法在其中创建分类器）
• 3）如果分类器令人满意，则进行部署

在以下情况下使用：“我不知道如何对这些数据进行分类，您（算法）可以为我创建分类器吗？”

方法要点：分类标签或预测（PDF）

强化学习

• 1）人们根据输入数据建立算法
• 2）该算法呈现取决于输入数据的状态，在该状态下，用户通过算法采取的行动来奖励或惩罚该算法，这种状态会随着时间的流逝而持续
• 3）该算法从奖励/惩罚中学习并自我更新，这继续
• 4）始终处于生产状态，它需要学习真实数据以能够呈现状态下的动作

在以下情况下使用：“我不知道如何对这些数据进行分类，您可以对这些数据进行分类，如果正确的话我会给您奖励，如果不正确的话我会给您惩罚。”

这是那种这些做法的流量，我听到了很多关于他们做什么，但实际和示范性的信息是令人吃惊的小！

这是对基本思想的很好的简要介绍！

强化学习

我认为您对强化学习的用例描述并不完全正确。术语分类是不合适的。更好的描述是：

我不知道在这种环境下如何行动，你能找到一个好的举止，同时我会给你反馈。

换句话说，目标是更好地控制某些事物，而不是对某些事物进行良好分类。

输入值

• 定义 的环境
  • 所有可能的状态
  • 各州可能采取的行动
• 该回报函数依赖于国家和/或作用

算法

• 中介
  • 处于状态
  • 采取行动转移到另一州
  • 因该州的行为而获得奖励

输出量

• 代理想要找到一个最大化奖励的最优策略

免责声明：我不是专家，我什至从未做过强化学习（到目前为止），因此欢迎您提供任何反馈...

这是一个答案，为您的列表添加了一些小小的数学注释，以及有关何时使用内容的一些不同想法。我希望枚举足够自我解释：

监督下

1. 我们有数据$\mathcal{D} = \{(\boldsymbol{x}_0,y_0), (\boldsymbol{x}_1,y_1), \ldots, (\boldsymbol{x}_n,y_n)\}$
2. $g$$L(y_i, g(\boldsymbol{x}_i))$$0 \leq i < l$
3. $L$$l \leq i \leq n$

我们可以举一些例子，但是我们不能给出从输入到输出的算法

设置分类和回归

无监督

1. $\mathcal{D} = \{\boldsymbol{x}_0, \boldsymbol{x}_1, \ldots, \boldsymbol{x}_n\}$
2. $g$
3. 我们几乎没有措施说我们是否做过有用/有趣的事情

我们有一些数据，但是我们不知道从哪里开始寻找有用/有趣的东西

设置聚类，降维，查找隐藏因素，生成模型等。

加强

1. 我们没有数据
2. $g$$\boldsymbol{x}_i$$R(\boldsymbol{x}_i)$
3. 我们花了一些时间学习之后，通过奖励函数进行评估。

我们不知道如何去做，但是我们可以说它是对是错

这似乎对顺序决策任务特别有用。

参考文献：
Si，J.，Barto，A.，Powell，W.和Wunsch，D.（2004）强化学习及其与监督学习的关系，《学习手册和近似动态编程》，John Wiley＆Sons，Inc.，美国新泽西州霍博肯。doi：10.1002 / 9780470544785.ch2