青の統計学-DS Playground-

アルゴリズム編

探索・推論・知識表現を中心としたG検定対策問題。AI分野の基本的な問題解決手法と計算手法について学習します。

ε-greedy探索戦略の選択 レベル2

オンライン広告配信で10種類の広告から最適選択する強化学習システム。過去データから広告Aのクリック率が最高(15%)、新広告B〜Jは性能未知、1万人/日の配信機会がある。探索と活用のバランスで最も適切な戦略はどれか。

解説

強化学習における探索・活用トレードオフ

正解

ε-greedyなどを用い、大部分は現在の最良広告を活用しつつ、一部で未知広告を探索する。

正解になる理由

ε-greedyは強化学習の基本戦略で、既知の最良行動を活用しつつ新しい選択肢も探索します。本問のように最良広告が分かっている一方で未知広告もある場合、大部分を活用・一部を探索するバランスが適切です。具体的な割合は条件から一意に決まらないため、本質は「活用と探索の両立」にあります。

各誤答がなぜ誤りか

  • 選択肢4: 純粋活用は新しい最適解を見逃し、環境変化に対応できない。
  • 選択肢1: 均等配信は機会損失が大きく、ビジネス価値を著しく低下させる。
  • 選択肢3: 完全ランダムは既知の良い選択肢を無視し、不必要な損失を招く。
問題 3/20
カテゴリ一覧に戻る
問題検索