知识卡片

普通读书笔记卡 · 2700.e.1.a.2.a · 生成模型:未记录

增量均值用误差修正旧值

理解等级:中级

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?

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

    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