いものやま。

雑多な知識の寄せ集め

2015-08-23から1日間の記事一覧

強化学習について学んでみた。(その7)

昨日はn本腕バンディット問題の行動の価値について考えた。 今日は、それを使って具体的なアルゴリズムを考えていく。 グリーディ法 一番最初に思いつく方法は、現在の推定される行動の価値の中で、最も価値の高い行動を選ぶという方法。 すなわち、回目に選…