モデルベースとモデルフリー
強化学習の「モデルフリー」な手法の説明として、最も適切なものを1つ選べ。
- A
環境がどう変化するかのモデルを作らずに、実際に行動して得た経験から直接、価値や方策を学習する。
- B
ニューラルネットワークを一切使わない。
- C
報酬を使わずに学習する。
- D
正解ラベル付きのデータで学習する。
正解と解説を見る
正解：A
モデルフリーな手法は、環境のモデルを作らずに経験から直接学習する。
| 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） |
| モデルベース | 環境の変化の仕組み（遷移確率など）を使って計画する |
| モデルフリー | 環境のモデルを使わず、経験から直接学ぶ（Q学習など） |
- A
正しい。Q学習や DQN などが代表例。環境のモデルを学習して計画に使う手法は、モデルベースと呼ぶ。
- B
誤り。DQN のように、モデルフリーな手法でもニューラルネットワークを使う。
- C
誤り。強化学習は報酬をもとに学習する。
- D
誤り。これは教師あり学習の説明。
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。