データ資格 模擬試験

DS検定 模擬試験 第3回 問46・データサイエンス(モデル化(回帰・分類・機械学習・深層学習・強化学習))

強化学習の要素の対応

小売業のG社は、店舗の日々の発注量を強化学習で決める仕組みを検討している。エージェントが毎日の発注量を決め、その結果として売上・欠品・在庫保管費が生じる。強化学習の要素との対応として正しいものを2つ選べ。

  1. A

    その日の在庫数や曜日は「状態」に当たる

  2. B

    エージェントが決める発注量は「環境」に当たる

  3. C

    1日の利益から欠品損失と保管費を引いた値は「報酬」に当たる

  4. D

    過去に担当者が決めた発注量は「報酬」に当たる

正解と解説を見る

正解:A・C

強化学習では、エージェントが状態を観測して行動を選び、環境から報酬を受け取る。この繰り返しで、累積報酬が大きくなる方策を学ぶ。正解ラベルを与える教師あり学習とは仕組みが異なる。

学習のポイント:「何を見て(状態)」「何を選び(行動)」「何で評価されるか(報酬)」の3つに分けて考える。

この問題を演習で解く →

DS検定のトップへ 問題一覧へ

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。