一个被动式的学习策略，可以看成固定不变的策略，在这种情况下，我们不需考虑那个下一个动作该做什么？反之，主动式的学习策略必需考虑下一步要怎么做，它们执行的结果可是是什么？当获得某些鼓励后，会对它们造成什么样的影响？底下除了简介什么是主动式的学习外，还另外探讨主动式学习在未知环境的表现。
主动式学习就是指个体要决定做一件事，通常会先评估看看要怎么做才是最好的，这可以是一个推理或是其经验，从许多可行的方案中找到一个最好的方式。而做了之后，会再衡量这么做是值得吗？值多少？以做为下次再做同一件事，或是做相关决定的参考。
· 在未知环境中，什么都不知道，我们要如何自动地去学习呢？一般来说，应该就是先做做看，看看这一次做的结果如何，再逐步修正自己的方式，经由一次次的做做看，所得的结果，我们慢慢的自我评估归纳，在心里面给定每一次做的方式不同的评估值，这代表那一个方式是较佳的。
· 而在每一件事做完后，就可以把所以方式做一个完整的评估，或许亦可以从中得到那个方式，其实应该是应用在那一个方面的。我们将介绍一个有名的例子，主动式 ADP 反应元。
· 这里我们将设计一个主动式 ADP 反应元，这个反应元藉由自己所做动作的结果来学习一个环境的模式 M，和使用这个模式去计算可用涵数 U，而我们计算的方式是用动态规划的算法。
· 左图是这个 主动式 ADP 反应元的执行程序，首先，我们先将一个我们已经做过的事而得到的效能值加进到 percepts 这个串行，刚开始时，我们都还没有习学之前，这个串行当然是空的。
· 然后再将这个效能值经由一个评估报酬的涵数来给报酬，并加入到状态报酬表中下去考虑。此时就根据现在的状态决定下一个步骤。
· 此时，我们还要把这次的结果，评估其可用的程度，以供下次再做的参考。
· 整个流程的应用，就是主动式学习的最佳说明，最初，自己先去搜集数据，再仔细考虑后，决定去如何处理；而之后，再看看自己做的如何，再记起来，也就是学习起来了。 数据挖掘研究院
在主动式学习的一个重要课题就是如何选择下一个步骤。这有两个方向可以考虑，举个例子，在现实的生活中，常常会在是否是维持现在满意的生活方式，还是要去不可知的未来去探索一个更新更好的生活中去考虑。底下就介绍一个经常用来探索的方式。
· 我们现在先考虑两种去探索的可能方式，一个叫做「wacky」的方法，它是随机的去选取，最终它会探索到整个环境；而另一个叫做「greedy」的方法，它每次都是选用现在最大的可用状况。但这两种方式各有缺点，所以我们需要一个介于这两者之间的方法：一个反应元应该在一开始不知所措的环境中使用较「wacky」的方式，而当有一个正确模式可寻时，就要用「greedy」的方式来做。
