知识卡片
增量均值用误差修正旧值
旧均值为 m,新样本为 x,第 k 次更新用 m+(x−m)/k。只需存均值与计数。若用固定步长 α 代替 1/k,近期样本权重更大,可跟踪变化,但结果通常不再等于样本算术平均。
关联:[[蒙特卡罗以整回合回报估值]]。无需保留全部回报即可计算 MC 均值。
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
- 4.1 蒙特卡罗强化学习 · 查看原书依据
再将这个差值乘以系数1/k后作为误差来对旧平均值进行修正
参考来源
- 位置:《强化学习入门:从原理到实践》第4章《4.1 蒙特卡罗强化学习》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter27.xhtml`,body 子元素 14
- 结论依据:原文推导只保留旧均值和次数即可算算术平均。
- 原始内容:再将这个差值乘以系数1/k后作为误差来对旧平均值进行修正