我们人类在进行学习时，总是从一开始什么都不知道，经过不断的尝试与纠错，最终获得正确解决问题方法的过程，这就可以看作一个强化学习过程。 实际，强化学习的例子很多：
Alpha-Go在围棋场上战胜人类的高手 Alpha-Go 百度百科 让计算机学习如何玩一些经典的游戏，如Atari游戏：👉这些都是让计算机不断地尝试并学习行为准则，以赢得围棋棋局或者在打砖块游戏中得到高分。
想象此刻有一个虚拟的老师正在教计算机如何学习，但是他只能够为你的行为打分。那么如何通过这些分数来学习呢？很简单，通过记住高分、低分分别对应的行为，在学习中避免低分行为，在行为中总结经验。此特性可以称为分数导向性。
更进一步的，在监督学习中，我们需要得到数据和标签，但是一开始并没有数据和标签，是通过一次次与环境交互产生行为，并获得对应的标签，再学习哪些数据能够对应上哪些标签，通过学习这种规律，来获取能够获得高分的行为。如下面这个例子：
实际上，一开始是一张空白的桌子（很像Windows纸牌游戏的桌子😅），只有数据和标签两个部分。我们的目的是尽量做一些开心的表情，以获得更高的分数。我们不断做表情（假设我们不知道什么表情是开心的（高分）或伤心的（低分）），“虚拟老师”会告诉我们你的表情是低分还是高分（也就是标签），这样我们就会获得很多数据和标签啦。我们通过大量做表情得到标签并从中获取一定的规律，你经过惨痛教训后，会发现做🙂就会高分，做😟就会低分。你为了获得高分，就会一直做🙂。强化学习的算法有很多种，例如：
通过价值选行为：Q学习、Sarsa学习（这两种都是用表格的方式，也就是数据离散）、DQN（Deep Q Network 使用神经网络）直接选行为：Policy Gradients（策略梯度）想象环境并从中学习（这个真的🐂🍺了，环境都没有的）：基于模型的强化学习（Model Based RL）下一篇：【莫烦强化学习】视频笔记（一）2. 强化学习方法汇总
