データ資格 模擬試験

DS検定 模擬試験 第4回 問23・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))

報酬で行動を学ぶ手法

H社の物流倉庫では、搬送ロボットに通路の進み方を学ばせたい。荷物を早く届けるほど高い点数を与え、棚や他のロボットにぶつかると点数を引く。ロボットが試行錯誤しながら、合計の点数が大きくなる行動の選び方を身につける手法として、最も適切なものを1つ選べ。

  1. A

    クラスタリング

  2. B

    強化学習

  3. C

    転移学習

  4. D

    教師あり学習

正解と解説を見る

正解:B

強化学習は、エージェントが環境の中で行動し、報酬の合計が最大になるような方策を試行錯誤で学ぶ。正解ラベルではなく報酬を手がかりにする点が教師あり学習との違いである。

学習のポイント:「報酬」「試行錯誤」「方策」が出てきたら強化学習。正解ラベルがあれば教師あり学習。

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。