redhornet96 https://blog.hatena.ne.jp/redhornet96/ もふもふ技術部 https://www.mof-mof.co.jp/tech-blog/ machine learning reinforcement learning Multi-armed bandit problem 強化学習に入門したいのですが、入門にちょうどいい難易度の本とか記事とか見当たらなかったんで、簡単そうな問題を考えてそれに強化学習に当てはめて解いてみようと思いました。 あ、Python3.5.2でやってます。 ジャンケンの出す手に偏りがある人に、高確率で勝つ選択を見つける問題なんかめっちゃシンプルでちょうどいいじゃないかなーと思いついたのでやってみようと思います。 色々検索して見たところ、多腕バンディット問題というのがかなり近い性質のものであることがわかった。 ここでは詳しくは書きませんが、情報はたくさんあるみたいなのでそちらを参照くだしあ。 http://yamaimo.hatenablog… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.mof-mof.co.jp%2Ftech-blog%2Fml-bandit" title="強化学習？でジャンケンの出す手に偏りがあるAさんに高確率で勝つ方法を探す - もふもふ技術部" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://images.ctfassets.net/683ogktz4b18/3jbUoMxcIaJffwUycEBClE/264ce3db643020140771c4ab61bb84de/bandit1.png Hatena Blog https://hatena.blog 2017-01-28 00:00:00 rich https://www.mof-mof.co.jp/tech-blog/ml-bandit 1.0 100%