学習に用いた銘柄は以下の９銘柄 6501 7011 7912 8267 8601 8604 9432 9433 9437 途中でプログラムを多少変えてしまったので、全く同じ環境で２回の実験を行ったわけではない。なので、その点は気にかけつつ解析していく。 学習結果をグラフ（資産評価額）に…

今あるRobotクラスと異なること 学習を1ステップ後にすぐ行うのではなく、Nステップ後に行う 行動の評価基準 株価（またはそのN日間平均） 株式の含み益（評価できるのは行動がBUYであったときに限られる） 資産評価額 こんな感じだろうか

学習率αの値を0.1、0.3、0.6、0.9、0.01で実験させて寝る