知识卡片
信息价值取决于剩余机会
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?
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
- 9.2.3 基于信息价值的探索 · 查看原书依据
个体有没有足够多的行为次数来获取累积奖励
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