什麼是強化學習（Reinforcement learning）
代理人（學習的主體）觀察環境的狀態並選擇行動，透過反覆試誤，學習能使所得獎勵總和（包含未來的獎勵）變大的行動選擇方式（策略）的機器學習方法。不會為每個行動提供正確答案，獎勵也常常延遲才得到。用於遊戲、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。
日文名稱: 強化学習
「強化學習（Reinforcement learning）」出現在1領域的2道練習題中（機器學習基礎等）。
這個名詞所屬的領域: 機器學習基礎
練習強化學習（Reinforcement learning）的題目
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。
解析中的「強化學習（Reinforcement learning）」
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。
下列關於強化學習的敘述，何者適當？使用是否故障這個正確答案來預測的是監督式學習，以獎勵為線索學習行動的是強化學習。
下列何者屬於非監督式學習？
出現「強化學習（Reinforcement learning）」的題目（2題）
相關名詞
非監督式學習（Unsupervised learning） 監督式學習（Supervised learning） 主成分分析（PCA） 正規化（Regularization） 交叉驗證（Cross-validation） 卷積神經網路（CNN） 啟動函數（Activation function） 梯度下降法（Gradient descent） 混淆矩陣（Confusion matrix） 過擬合（Overfitting）