2022-08-19から1日間の記事一覧

pythonでN本腕バンディット問題を解く強化学習のプログラムを作ってみた

N本腕バンディット問題とは一定の確率で報酬が出る選択肢の中から、どの報酬が一番高いのかを選ぶ問題です。 例えば、次のようなスロットマシンがあったとして、 内部の情報がこんな感じで当たりで渡されるコインが同じ量だとしたら、みなさんは多分Bを選ぶ…