原书出处
深入浅出强化学习:原理入门
11 第11章 逆向强化学习
在区间固定时,所有的分布中均匀分布的熵最大。因为均匀分布在固定区间每一点取值的概率都相等,所以取哪个值的不确定性最大。
最大熵原理:在学习概率模型时,在所有满足约束的概率模型(分布)中,熵最大的模型是最好的模型。原因在于通过熵最大所选取的模型,没有对未知(即除了约束已知外)做任何主观假设。也就是说,除了约束条件外,我们不知道任何其他信息。
比如,当我们猜测一个筛子每个面朝上的概率时,我们猜每个面朝上的概率都是1/6,其实这个解就是最大熵解。因为,我们除了知
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/text00022.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57