強化学習の当てはめ方
物流倉庫を運営するH社は、ピッキングロボットの動き方を機械学習で改善したいと考えている。次のうち、強化学習の使い方として最も適切なものを1つ選べ。
- A
熟練作業員の移動経路を正解データとして集め、地点ごとに次の移動先を当てる分類モデルを学ばせる
- B
過去の注文データから、一緒に買われやすい商品をグループに分け、近い棚にまとめて置く
- C
過去の作業時間を目的変数とし、注文の品目数や棚の位置から作業時間を予測する回帰モデルを作る
- D
ロボットに試行の中で移動先を選ばせ、早く運べたら報酬を与え、報酬の合計が大きくなる選び方を学ばせる
正解と解説を見る
正解:D
強化学習は、エージェントが環境の中で行動し、報酬の合計が大きくなるよう方策を学ぶ手法である。正解データを使う教師あり学習や、グループ分けをする教師なし学習と区別する。
- A
誤り。正解ラベルを与えて同じ判断をまねさせる教師あり学習である。報酬をもとに試行錯誤で学ぶわけではない。
- B
誤り。正解なしでデータの似ている構造を見つける教師なし学習(クラスタリング)の使い方である。
- C
誤り。実績値を正解として数値を予測する教師あり学習(回帰)である。行動の選び方を学ぶものではない。
- D
正しい。環境の中で行動を選び、得られた報酬をもとに、報酬の合計が大きくなる方策を学ぶのが強化学習である。
このサイトの問題は、各試験の公開されている出題範囲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。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。