机器学习可以分为3类：有监督学习，无监督学习，强化学习；

强化学习可以解决什么问题？

概括来说，强化学习所能解决的问题为连续决策问题，就是需要连续不断做出决策才能实现最终的目标的问题。

强化学习基本框架

代理（agent）执行动作对环境（enviroment）造成影响，代理没执行一次动作就会转移到下一状态，然互环境会反馈给代理新的状态（state）和奖励（reward）；

强化学习的三个特征：
（1）强化学习是一个闭环问题；
（2）没有直接对该如何选择action的指示，需要试探搜索去发现哪个动作会产生最大的数字奖励；
（3）动作不仅会对影响直接的奖励，还会影响接下来的环境状态。

强化学习的要素：
（1）policy（策略）：从感知到的enviroment的state到在这些state下要执行的action；
（2）reward signal（奖励信号）：a 定义了强化学习的目标；b reward signal可能是enviroment state和采取的action的函数。
（3）value function（值函数）：reward signal表示的是在直接感受下哪个是好的，而value function则是表示从长期来看，什么是好的，reward是首要的，而value是其次的，没有reward就没有value，但当我们坐决策时，更关注的是value，对于action的选择是基于value来判断的，reward是由enviroment直接给出的，但value是需要对agent的整个执行时间内的情况进行观察，以此来对value进行估计和重估计。
（4） model of the enviroment （环境模型）
环境模型是用来模拟真实enviroment的行径的，或者说是对enviroment会如何表现的推断。