マルコフ性

正解：C

次の状態が現在の状態と行動だけで決まる性質をマルコフ性という。

強化学習：エージェントが行動し、環境から状態と報酬を受け取る。報酬の合計が最大になる行動を学ぶ。次の状態が現在の状態と行動だけで決まる性質をマルコフ性という。

• A

  誤り。同じ条件で同じ結果が得られることを指す。

• B

  誤り。未知のデータに対するモデルの性能を指す。

• C

  正しい。強化学習では、環境がマルコフ性を持つと仮定したマルコフ決定過程で問題を表すことが多い。

• D

  誤り。第3の要因が2つの変数の両方に影響することを指す。

学習のポイント：マルコフ決定過程の構成要素（状態、行動、報酬、遷移確率）を押さえる。