Actor-Critic
行動を決める部分と、その行動の良さを評価する部分を組み合わせて学習する強化学習の手法として、最も適切なものを1つ選べ。
- A
k-means法
- B
バギング
- C
Actor-Critic
- D
ε-greedy方策
正解と解説を見る
正解：C
Actor-Critic は、行動を決める Actor と評価する Critic を組み合わせる手法。
| 用語 | 内容 |
|---|---|
| 方策 | 状態から、行動を選ぶ規則（確率で表すこともある） |
| Actor-Critic | 方策を学ぶActorと、価値を学ぶCriticを組み合わせる |
- A
誤り。クラスタリングの手法。
- B
誤り。アンサンブル学習の方法。
- C
正しい。行動を決める Actor と、価値を見積もる Critic を同時に学習する。A3C などの手法の基礎になっている。
- D
誤り。行動の選び方の1つで、2つの部分を組み合わせる手法ではない。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。