↑: [[G検定に関する知識]] - 強化学習が解くべき問題を数学的に定式化した基本枠組み - 4要素で構成される - **状態（State）**：エージェントが置かれている状況 - **行動（Action）**：取ることができる行動 - **報酬（Reward）**：行動の結果として得られる値 - **遷移確率（Transition Probability）**：次の状態への変化確率 - 方策（Policy）もMDPの枠組みで定義・学習される（含まないではない） - [[マルコフ性]]を前提とする：現在の状態だけで未来が決まる - 教師あり学習ではなく**強化学習**の枠組み