ディープラーニング用語ドリル機械学習・強化学習No.062 / 293
状態価値関数と行動価値関数
状態価値関数は、ある状態がどれだけ良いか。行動価値関数（Q値）は、ある状態である行動をとることがどれだけ良いか。
確認問題
次の説明に当てはまる用語はどれか。
ふだんは今いちばん良い行動を選び、確率 ε でランダムな行動を試す方法。活用と探索のバランスをとる。
機械学習・強化学習No.062 / 293
状態価値関数は、ある状態がどれだけ良いか。行動価値関数（Q値）は、ある状態である行動をとることがどれだけ良いか。
次の説明に当てはまる用語はどれか。
ふだんは今いちばん良い行動を選び、確率 ε でランダムな行動を試す方法。活用と探索のバランスをとる。