()是通过与环境的交互和奖惩机制，反复重演，完成最优策略的自主学习。|考算网题库

()是通过与环境的交互和奖惩机制，反复重演，完成最优策略的自主学习。

（A）深度学习

（B）监督/半监督学习

（C）无监督学习

（D）强化学习

参考答案

更多试题》》》