知识卡片
后悔分解为次数乘差距
在平稳多臂问题中,用最佳臂期望减去当前所选臂期望定义差距。把每臂的差距乘被选次数并求和,就是相对于始终选最佳臂的累计期望损失。相对差距大的选择,即使次数相同,也损失更多。
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
- 9.1 多臂游戏机 · 查看原书依据
Δa为最优价值V*与a行为对应的价值之间的差
参考来源
- 位置:《强化学习入门:从原理到实践》第9章《9.1 多臂游戏机》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter84.xhtml`,body 子元素 17
- 结论依据:原文把总后悔按各臂被选次数分解。
- 原始内容:Δa为最优价值V*与a行为对应的价值之间的差