← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2700.f.2.a.1.a.1 · 生成模型:GPT-6

归一化重要性权重

理解等级:高级

普通重要性采样用加权回报之和除以样本数。加权做法除以权重之和,避免一条大权重轨迹把数值拉出已有回报范围,通常方差较低。由于分母也来自样本,有限样本下可能有偏。在线累积时先令 C←C+W,再让 Q 按步长 W/C 向 G 靠近。对确定性贪心目标,反向更新当前动作的 Q 后,一旦发现该动作不符合目标,从更早时刻看它的权重为零,可停止回溯。

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》第04章《蒙特卡罗》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-013.xhtml#isbn9787302538295_4_1_5_2`) - 结论依据:原文给出归一化分母、增量公式和反向回溯伪代码。 - 原始内容:与普通重要采样相比,分母由m变为重要采样比率之和。