ディープラーニング用語ドリル機械学習・強化学習No.067 / 293
方策勾配法
行動の選び方（方策）そのものを、報酬が増える方向に直接学習する方法。REINFORCE など。
確認問題
次の説明に当てはまる用語はどれか。
どの選択肢が良いかわからない中で、試す（探索）と良いものを使う（活用）のバランスをとる方法。UCB方策など。
機械学習・強化学習No.067 / 293
行動の選び方（方策）そのものを、報酬が増える方向に直接学習する方法。REINFORCE など。
次の説明に当てはまる用語はどれか。
どの選択肢が良いかわからない中で、試す（探索）と良いものを使う（活用）のバランスをとる方法。UCB方策など。