知识卡片
采样估计期望
蒙特卡罗估计期望的核心变换是:把难以解析计算的期望 E[f(X)],改写成对易采样的已知分布 p(x) 取 N 个点,再用这些点的 f 值求平均来近似。强化学习中「一个样本」就是一幕 episode,每幕产生一个回报样本,所谓经验平均就是对它们求均值,这正是 [[蒙特卡罗策略评估]] 的统计学原型。支撑这套语言的概念包括:总体(全部数据)、样本(抽取的一部分)、样本均值与样本方差(描述样本的概括性度量)、无偏估计(统计量期望等于总体真值)。要注意样本均值本身也是随机变量,无偏只保证期望对,不保证单次估计准。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 基于蒙特卡罗的强化学习方法 · 查看原书依据
利用蒙特卡罗的方法计算该式很简单,即不断地从分布 中采样,然后对这些 取平均便可近似 的期望。这也是4.1节中估计值函数的方法。
参考来源
- 位置:《深入浅出强化学习:原理入门》第4章 基于蒙特卡罗的强化学习方法(源文件:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00013.html)
- 结论依据:原文给出统计学定义与总体、样本、样本均值、样本方差、无偏估计的规定,并说明蒙特卡罗计算期望就是对采样点处的函数值求平均,且点明这正是4.1节估计值函数的方法。
- 原始内容:利用蒙特卡罗的方法计算该式很简单,即不断地从分布 中采样,然后对这些 取平均便可近似 的期望。这也是4.1节中估计值函数的方法。