에이전트(학습하는 주체)가 환경의 상태를 보고 행동을 선택하며, 그 결과로 받는 보상의 합계(앞으로 받을 몫을 포함)가 커지는 행동 선택 방법(정책)을 시행착오를 통해 학습하는 머신러닝 방법. 행동마다의 정답은 주어지지 않으며, 보상이 늦게 얻어지는 경우도 많다. 게임, 로봇 제어, 언어 모델의 출력을 사람의 평가에 맞추는 조정 등에 사용된다.
일본어 명칭: 強化学習
강화 학습(Reinforcement Learning)은(는) 머신러닝의 기초 등 1개 분야의 연습 문제 2개에 나와요.
분야: 머신러닝의 기초
정답: B. 에이전트가 환경 속에서 행동하고, 얻는 보상의 합계가 커지는 행동 선택 방법(정책)을 학습한다
강화 학습에서는 학습하는 주체(에이전트)가 환경의 상태를 보고 행동을 선택하며, 그 결과로 보상을 받습니다. 행동마다의 정답은 주어지지 않으며, 앞으로 받을 보상의 합계가 커지는 정책을 시행착오를 통해 학습합니다. 바둑 등의 게임, 로봇 제어, 언어 모델의 출력을 사람의 평가에 맞추는 조정 등에 사용되고 있습니다.
강화 학습에서는 학습하는 주체(에이전트)가 환경의 상태를 보고 행동을 선택하며, 그 결과로 보상을 받습니다.
강화 학습에 대한 설명으로 적절한 것은?고장 유무라는 정답을 사용하여 예측하는 것은 지도 학습, 보상을 단서로 행동을 학습하는 것은 강화 학습입니다.
비지도 학습에 해당하는 것은?비지도 학습(Unsupervised Learning) 지도 학습(Supervised Learning) 경사 하강법(Gradient Descent) 과적합(Overfitting) 교차 검증(Cross-validation) 순환 신경망(RNN) 전이 학습(Transfer Learning) 정밀도와 재현율(Precision and Recall) 정칙화(Regularization) 주성분 분석(PCA)