強化学習

問題

マルコフ決定過程に関する説明として、最も適切な選択肢を1つ選べ。

1. A. 状態、行動、遷移確率、報酬などで意思決定問題を定式化する枠組みである
2. B. 正解ラベル付きデータを用いて分類器を学習する枠組みである
3. C. データを低次元空間へ可視化する枠組みである
4. D. 著作物の創作性を判断する法律上の枠組みである

解説（正解: A）

正解はA。マルコフ決定過程は、強化学習の問題を状態、行動、状態遷移、報酬などで定式化する基本的な枠組みである。次の状態が現在の状態と行動に依存するというマルコフ性が前提になる。Bは教師あり学習、Cは次元削減、Dは法律分野の説明である。