强化学习与无监督学习不同，因为它以奖励函数的形式使用有关代理预期行为的附加信息。但是，它也不同于监督学习，因为它不需要任何标记数据进行训练或测试。

所以，两者都不是。您也可以参考强化学习的 wiki 页面了解更多相关细节。

不，强化学习和无监督学习被认为是两种不同的范式。

我们可以参考 Christopher Bishop 的开创性书籍Pattern Recognition and Machine Learning来了解它们各自的定义：

• 无监督学习：

  在其他模式识别问题中，训练数据由一组输入向量 x 组成，没有任何对应的目标值。此类无监督学习问题的目标可能是发现数据中的相似示例组（称为聚类），或确定输入空间内的数据分布（称为密度估计），或将数据从高- 为了可视化的目的，将空间缩小到二维或三个维度

• 强化学习：

  最后，强化学习技术 [...] 关注在给定情况下寻找合适的行动以最大化奖励的问题。

如您所见，它们的目标完全不同：在无监督学习中，我们没有标签，我们的目标是发现数据的结构，而在强化学习中，我们希望学习一种策略，以根据奖励信号。