問題
SARSAはオンポリシー手法として説明されることが多い。
正解: ○
強化学習
G検定 一問一答の問題です。解説付きで個別に学習できます。
解説
SARSAは、現在の方策に従って実際に選んだ次の行動を用いて更新するオンポリシー手法である。Q学習はオフポリシー手法として説明されることが多い。
G検定 一問一答の問題です。解説付きで個別に学習できます。
SARSAはオンポリシー手法として説明されることが多い。
正解: ○
SARSAは、現在の方策に従って実際に選んだ次の行動を用いて更新するオンポリシー手法である。Q学習はオフポリシー手法として説明されることが多い。