強化学習とは

きょうかがくしゅう

エージェント(学習する主体)が環境の状態を見て行動を選び、その結果として受け取る報酬の合計(将来の分を含む)が大きくなるような行動の選び方(方策)を、試行錯誤を通じて学ぶ機械学習の方法。行動ごとの正解は与えられず、報酬が遅れて得られることも多い。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る。

「強化学習」は、1分野の2問の練習問題に出てきます(機械学習の基礎など)。

この用語の分野: 機械学習の基礎

強化学習の練習問題に挑戦

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。

解説の中の「強化学習」

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。
強化学習の説明として、適切なものはどれか。
故障の有無という正解を使って予測するのは教師あり学習、報酬を手がかりに行動を学ぶのは強化学習です。
教師なし学習に当たるものはどれか。

「強化学習」が出てくる問題(2問)

機械学習の基礎の参考書を探す PR

Amazonで「半導体機械学習の基礎」を探す

Amazonの検索結果へのリンクです。Amazonのアソシエイトとして、半導体教室は適格販売により収入を得ています。