← 返回卡片

原书出处

深入浅出强化学习:原理入门

08 第8章 基于置信域策略优化的强化学习方法

核验版本的摘录快照 · 导入于 2026-11-19T06:04:54.440Z

为损失函数。 其实交叉熵并不能衡量两个概率分布之间的相似程度,能衡量两个概率分布之间相似程度的量为KL散度,定义如下。

KL 散度的一个重要性质是非负性,而且,当且仅当两个概率分布处处相等时,取到零。因此,KL 散度常用来衡量两个分布之间的距离。但 KL 散度与一般距离不同,它一般不具有对称性

,即 。 KL散度与交叉熵具有密切的关系,从定义式我们推得两者的关系如下。 在机器学习中,样本的真实分布 保持不变,因此

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00018.html

EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57