ディープラーニング用語ドリル機械学習・強化学習No.065 / 293
ε-greedy方策
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。
確認問題
次の説明に当てはまる用語はどれか。
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。
機械学習・強化学習No.065 / 293
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。
次の説明に当てはまる用語はどれか。
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。