ゼミのお話/一覧/プログラミング演習初級・バンディット/共通/N本腕バンディットプレーヤー創作・エージェント評価

2018-04-16 (月) 15:53:00 (1577d)
  • 作成したプログラムがどれだけ良いのか，その評価はどれだけ報酬をもらえたかで為される．
  • ここでは，10万回プレイをし，その中で連続した1万回のプレイで得た報酬の合計としている．これを「 スコア」とする．
  • 他の人が作成したプログラムよりも高い「スコア」を得ていれば，他の人が作成したプログラムよりも優れていることを示す．