機器學習基礎
下列關於強化學習的敘述，何者適當？
- A給予大量輸入與正確答案的配對，以使預測與正確答案之差變小的方式，學習由輸入預測正確答案的函數
- B代理人在環境中行動，學習能使所得獎勵總和變大的行動選擇方式（策略）
- C將沒有正確答案的資料，分成幾個群組，使特徵相似者被分到同一群組
查看答案與解析
正確答案：B. 代理人在環境中行動，學習能使所得獎勵總和變大的行動選擇方式（策略）
在強化學習中，學習的主體（代理人）觀察環境的狀態並選擇行動，並因此獲得獎勵。不會為每個行動提供正確答案，而是透過反覆試誤，學習能使未來所得獎勵總和變大的策略。用於圍棋等遊戲、機器人控制，以及讓語言模型的輸出符合人類評價的調整等。
- A. 這是監督式學習的說明。強化學習不會為每個行動提供正確答案。
- B. 正確。以獎勵為線索，透過反覆試誤學習策略。
- C. 這是非監督式學習中分群的說明。