からっぽのしょこ

はじめに 『ゼロから作るDeep Learning 4 ――強化学習編』の独学時のまとめノートです。初学者の補助となるようにゼロつくシリーズの4巻の内容に解説を加えていきます。本と一緒に読んでください。 この記事は、5.3節の内容です。モンテカルロ法による方策評価(状態価値関数の推定)を実装します。 【前節の内容】 www.anarc…