強化学習で考えるギャンブラーの最適行動 - kivantium活動日記

強化学習と呼ばれる機械学習の一分野があります。機械学習というと、入力に対して正解の出力を当てる教師あり学習が話題になることが多いですが、強化学習では明示的に正解が与えられません。ある行動を試してみて、それに対して得られる「報酬」から自分でどのような行動が良い結果をもたらすのかを判断して、より良い行動を学習するアルゴリズムになっています。 強化学習にはチェスやリバーシなどといったボードゲームのAIやロボットの行動学習などの応用例があります。この前話題になったDeep Q Network、通称DQNも強化学習の一種です。応用例が面白いにも関わらず、PRMLなどの主要な機械学習の教科書では強化学習を扱わないことが多いので、いま強化学習だけの参考書を買って勉強しています。 強化学習 作者: Richard S.Sutton,Andrew G.Barto,三上貞芳,皆川雅章出版社/メーカー: 森北出

[kivantium]

上がると予想した翌日から株価がズルズル下がってしまったので株はしばらくお預けです

[sucrose]

強化学習の本すごく読みづらかった記憶がある

[barringtonia]

期待値が負の(イカサマの)コイントスにおいて一定金額への到達を勝利条件とすると所持金ごとの最適掛け金が非連続になる、という話

[sh19910711]

2015 / "4章に出てきた「ギャンブラーの問題」の結果が面白かったのでプログラムを書いて試してみました / 原書は無料 / 応用例が面白いにも関わらず PRMLなどの主要な機械学習の教科書では強化学習を扱わないことが多い"

[dogwood008]

おもしろい

[Makots]

この本持ってたなー。なつい。

[garlicchives]

例題は条件がクソすぎて使い物にならんが、考え方は有用。上から目線ですんません。

[toka-xel]

面白い