強化学習について考えてる

[0001 以下、5ちゃんねるからVIPがお送りします 2023/07/20(木) 11:47:42.622 ID:iBR/AZPcM]

投資をAにやらせたいけど取引のタイミングを学ばせるのがむずい
取引の善し悪しって各取引のタイミングで分かるわけじゃなくて、総合的に儲かったか否かで決まるから
一連の取引が全体として良かったか悪かったかしか分からんのよね

[0002 以下、5ちゃんねるからVIPがお送りします 2023/07/20(木) 11:51:51.504 ID:lVPWeKkaa]

たしかに

[0003 以下、5ちゃんねるからVIPがお送りします 2023/07/20(木) 11:51:55.344 ID:Pf7kAqNHa]

将棋と同じだろ
一連でよかったか悪かったかスコア決めて10年前出たdqnなんかにぶちこめば簡単に作れる
俺はそれでつくったAIで負けたｗ

[0004 以下、5ちゃんねるからVIPがお送りします 2023/07/20(木) 11:55:40.454 ID:iBR/AZPcM]

たしかにそういうゲームと同じだな…
ただしマルコフ過程じゃないからDQN系列の手法は使えないが
AlphaGoとか調べてみる価値はありそうだな
モンテカルロ法とか使うんだっけか