监督学习是强化学习的子集吗？

监督学习的定义似乎是强化学习的子集，具有基于标记数据（与环境中的其他信息相反）的特定类型的奖励功能。这是正确的写照吗？

的确，任何监督学习问题都可以看作是等效的强化学习问题：让状态对应于输入数据。让动作对应于输出的预测。将奖励定义为用于监督学习的损失函数的负值。最大化期望的回报。相反，强化学习问题通常不能被视为监督学习问题。因此，从这个角度来看，监督学习问题是强化学习问题的一部分。

但是，尝试使用通用强化学习算法解决有监督的学习问题将毫无意义。所有这些都是丢弃的结构，该结构会使问题更易于解决。强化学习中出现了与监督学习无关的各种问题。而且，监督学习可以受益于一般强化学习环境中不适用的方法。因此，尽管各领域之间存在一些通用的基本原理和共享技术，但通常不会将监督学习视为强化学习的一种。

参考文献

Barto and Dietterich（2004）。强化学习及其与监督学习的关系。