O agente aprende a partir de dados rotulados e toma decisões com base na probabilidade dos eventos.

O agente toma ações em um ambiente dinâmico e aprende com as recompensas ou penalidades associadas, buscando maximizar sua recompensa ao longo do tempo.

O aprendizado por reforço não envolve interação com o ambiente, sendo passivo.

O aprendizado por reforço é usado apenas para problemas de regressão linear.

O aprendizado por reforço não é aplicável a dados sequenciais.