监督学习：给定数据，预测结果，如分类系统、语音识别等，用的都是有监督的学习。监督学习是最常用的机器学习算法。
无监督学习：通过学习自己发现一些规律。无监督学习常用的场景：聚类、子空间估计、表征学习。
总结：监督学习就是学习输入和输出之间的映射关系，正确的输出已经由指导者提供；
无监督学习就是只给一堆数据，让程序自己去发现里面的规律。
与环境因素交互
我们从环境中提取大量数据，然后用这些数据进行学习，所有的学习过程都发生在算法与环境断开以后，这叫做离线学习。学习的过程并没有受到环境因素的影响。
如果考虑到与周围环境交互，各种问题就会随之而来。例如在无人车运动的过程中，每时每刻位置都在发生变化，周围的环境也在发生变化，上一分钟的决策可能会影响下一分钟的环境。
强化学习和对抗学习是明确考虑与环境交互的机器学习算法。
强化学习从环境中接受一个信号，然后做出一个动作，并将其传回环境，再从环境中获得奖励。这样，智能体从环境中得到一系列的信号，并做出一系列的动作。做出这些动作受到策略的约束。策略就是观察到的信号与做出的动作之间的映射。强化学习的目标就是制定一个好的策略。