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