只是初步涉猎，因为读的论文涉及到了。
学习资料来自于网络，主要是udacity的cs600，佐治亚理工的老师
本来以为第一遍看视频就能完全搞懂了，并没有
还是写随笔好好整理一下
三种学习的类型：有监督，无监督，强化
实际的世界，系统，状态之间的转移由马尔可夫的状态转移概率确定。
States:$ s\ belones\ to\ S$
