強化学習入門 ～これから強化学習を学びたい人のための基礎知識～ - Platinum Data Blog by BrainPad ブレインパッド

本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 こんにちは。アナリティクスサービス本部の仲田です。 本日は、「強化学習」について、その基礎的なアルゴリズムと、簡単なデモをご紹介します。 強化学習とは機械学習の手法のひとつ (画像はhttps://www.engadget.com/2016/03/12/watch-alphago-vs-lee-sedol-round-3-live-right-now/より) 「強化学習（Reinforcement Learning）」と呼ばれる学問分野をご存知でしょうか。 機械学習にはさまざまな分類方法がありますが、「教師付き学習（Supervised Learning）」「教師なし学習（Unsupervised Learning）」「強化学習」という3種類に分ける考え方があります。 この考え方では、強化

[stealthinu]

「つくりながら学ぶ！深層機械学習」本だとQ学習やSARSAそのものについての説明が非常に薄くてその意味するところがわからなかったのだがここの説明でだいたい理解できた気がする。

[kent-where-the-light-is]

“先ほど言った通り、強化学習ではその時点で貰える報酬（即時報酬などと呼びます）ではなく、（将来に渡る）価値を最大化します。 よって、単に即時報酬が多くもらえる近視眼的な行動ではなく、より未来を考えた価