ディープラーニング用語ドリル機械学習・強化学習No.063 / 293
Q学習
行動価値（Q値）を、次の状態で最も良い行動の価値を使って更新していく強化学習の方法。
確認問題
次の説明に当てはまる用語はどれか。
行動価値を、次の状態で実際に選んだ行動の価値を使って更新する強化学習の方法。
機械学習・強化学習No.063 / 293
行動価値（Q値）を、次の状態で最も良い行動の価値を使って更新していく強化学習の方法。
次の説明に当てはまる用語はどれか。
行動価値を、次の状態で実際に選んだ行動の価値を使って更新する強化学習の方法。