↑: [[G検定に関する知識]] - ある状況の「良さ」を数値で表す関数 - 状態価値関数V：状態だけを評価「ここからだとこれくらい取れる」 - 行動価値関数Q：状態と行動のセットを評価「この状態でこの行動をするとこれくらい」 - Q学習・SARSAはQを学習する価値ベースの手法 - cf. [[Q学習]] [[SARSA]] [[強化学習]]