在监督学习中，每个数据示例都有一个标签。

模仿学习是从观察到行动的映射，通常被认为是强化学习的一部分。

监督学习和强化学习之间的主要区别在于标签/奖励何时可用。强化学习标签/奖励通常会延迟。在监督学习中，标签/奖励必须与所有数据同时可用。在强化学习中，代理可能会在收到奖励之前做出一些动作。