問題 No.1642
環境のダイナミクスをモデル化し、そのモデルに基づいて計画や意思決定を行う強化学習の手法は何ですか？
【正解の解説】
モデルベース
将来の状態を予測しながら計画を立てるため、サンプル効率が良い反面、モデルの精度の影響を受けます。
スポンサーリンク
【その他の選択肢の解説】
モデルフリー
Q学習や方策勾配法などが該当し、環境モデルが未知でも適用可能な点が強みです。
教師なし学習
強化学習とは異なり、報酬という信号に依存せずにデータの特徴を抽出します。
転移学習
少ないデータから効率的に新しいタスクを習得するために非常に有効です。