![](https://cdn-ak-scissors.b.st-hatena.com/image/square/e738979912c5d8ac7ee106ebde1f4eada9b14a6b/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fyamada20160723-160726110338-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Reinforcement Learning(方策改善定理)
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Reinforcement Learning(方策改善定理)
2. Copyright©2016 NTT corp. All Rights Reserved. 2 教師あり学習 教師なし学習 強化学習 機械学習は... 2. Copyright©2016 NTT corp. All Rights Reserved. 2 教師あり学習 教師なし学習 強化学習 機械学習は大きくわけて3つ ラベルがついていないものの性質を調べる (基本はクラスタリング)ラベル(教師データ)があるもの使い 教師データと同じ写像を見つける (基本は回帰か分類) f:x→y y=f(x) 本質は教師データ{x,y}からfを決める問題 距離などを参考に色(ラベル)が わからない状態でクラスタイリング 良さの方向だけを与えておいて、環境を探索して良い 方向に行くように教師を自ら生成して学習する 行動の最適化問題 参考画像https://qiita-image-store.s3.amazonaws.com/0/72529/dc77a4fe-85a1-a69e-e0e3-571e2e04a33f.png