機械学習の基礎
強化学習の説明として、適切なものはどれか。
- A入力と正解の組を大量に与え、入力から正解を予測する関数を、予測と正解の差が小さくなるように学習する
- Bエージェントが環境の中で行動し、得られる報酬の合計が大きくなるような行動の選び方(方策)を学習する
- C正解のないデータを、特徴の似たもの同士が同じグループに入るように、いくつかのグループに分ける
答えと解説を見る
正解：B. エージェントが環境の中で行動し、得られる報酬の合計が大きくなるような行動の選び方(方策)を学習する
強化学習では、学習する主体(エージェント)が環境の状態を見て行動を選び、その結果として報酬を受け取ります。行動ごとの正解は与えられず、将来にわたって受け取る報酬の合計が大きくなるような方策を、試行錯誤を通じて学びます。囲碁などのゲーム、ロボットの制御、言語モデルの出力を人の評価に合わせる調整などに使われています。
- A. 教師あり学習の説明です。強化学習では、行動ごとの正解は与えられません。
- B. 正しい。報酬を手がかりに、試行錯誤で方策を学習します。
- C. 教師なし学習のクラスタリングの説明です。