确实，任何监督学习问题都可以转换为等效的强化学习问题：让状态对应于输入数据。让动作对应于输出的预测。将奖励定义为用于监督学习的损失函数的负值。最大化预期回报。相比之下，强化学习问题通常不能被视为监督学习问题。因此，从这个角度来看，监督学习问题是强化学习问题的一个子集。

但是，尝试使用一般的强化学习算法来解决监督学习问题是毫无意义的。所有这一切都是丢弃本可以使问题更容易解决的结构。强化学习中出现了与监督学习无关的各种问题。而且，监督学习可以从不适用于一般强化学习环境的方法中受益。因此，尽管这些领域之间存在一些共同的基本原则和共享技术，但通常不会将监督学习视为一种强化学习。

参考

巴托和迪特里希 (2004)。强化学习及其与监督学习的关系。