機械学習するロボットにギャンブルをやらせてみた - Qiita

概要 動機 最近、機械学習と深層学習という本を読み、「じゃあ、機械にギャンブルをやらせてみたらどうなるんだろう？」と発想したのがきっかけ。 手法 今回は「どれだけお金をつぎ込んだらどれだけ儲かるまたは損をする」を学習させてみたいので、強化学習の一種でありサンプルプログラムが載っていた『Q学習』を用いた。 結論 機械であっても期待値的には損をする行動もとるようになるらしい。 Q学習とは何なのか 経路Qに対して報酬が与えられ、その報酬の多寡で学習を進めていく手法。 サンプルプログラム 本に載っていたサンプルプログラムはCで書かれていたが、今更Cも何なのでRubyで書き換えた。本当はPythonなのかもしれないが、外部ライブラリを使っているわけでもなし、特別複雑な計算をしているわけでもなしで、Rubyでも大丈夫だと判断。 ただし、関数selectaの中身はサンプルのデータ構造にものすごく依存した