機械学習の主要な3つの学習パラダイム

強化学習はエージェントが環境との相互作用を通じて、将来にわたる累積報酬が最大となる行動規範(方策)を試行錯誤によって学習します。 ア:誤りです。正解ラベルのないデータから構造を発見するのは「教師なし学習」です。 イ:誤りです。入力と正解ラベルのペアから予測を行うのは「教師あり学習」です。 ウ:正解です。試行錯誤を通じて累積報酬を最大化するのが強化学習の中核的定義です。 エ:誤りです。強化学習は正解の直接指示(教師ラベル)ではなく、環境からの「報酬(スカラー値)」を手がかりに学習します。

機械学習の分類である「教師あり学習」「教師なし学習」「強化学習」に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
教師あり学習は、正解ラベルが存在しないデータからデータの潜在的な構造やクラスタを発見する手法である。
イ
教師なし学習は、入力データと正解ラベルのペアを用いて、未知のデータに対する予測モデルを構築する手法である。
ウ
強化学習は、環境の中で試行錯誤しながら行動を選択し、得られる累積報酬を最大化する方策を学習する手法である。
エ
強化学習では、すべての行動に対して人間が事前に1つずつ正解の手順を直接ラベル付けして指導する。