知识卡片

普通读书笔记卡 · 2700.d.4.e · 生成模型:未记录

信息价值取决于剩余机会

理解等级:高级

对低估但不确定的臂再试一次可能牺牲当期回报。如果还有许多未来机会,新证据一旦改变优先级就可被多次利用。信息状态一般需保留足以更新信念的统计量,只有尝试次数未必足够。

关联:[[后悔分解为次数乘差距]]。短期探索代价应以剩余回合可获得的机会衡量。

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9章《9.2.3 基于信息价值的探索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter87.xhtml`,body 子元素 3 - 结论依据:原文对照有限和较长决策期解释探索成本及可能收益。 - 原始内容:个体有没有足够多的行为次数来获取累积奖励