知识卡片
批量线性方法复用一批经验
增量方法读一个样本就沿误差方向移动一步。批量方法将多次访问的特征和目标集中成一个线性系统,利用同一批历史样本。蒙特卡罗版本直接拟合完整回报;最小二乘 TD 要解由当前特征与折扣后继特征之差构成的方程。若特征近似重复或数据没有覆盖某些方向,系统可能病态,需先检查秩与覆盖。
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
- 值函数逼近 7.2.2 批量法 · 查看原书依据
批量法是把一段时期内的数据集中起来,如给定一段经验数据集,通过学习,找到最好的拟合函数使得参数能较好地符合这段时期内所有的数据,满足损失函数最小。
参考来源
- 位置:《强化学习》第07章《值函数逼近》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-016.xhtml#isbn9787302538295_7_1_2_2`)
- 结论依据:原文将一批数据写成最小二乘条件,并分别列出蒙特卡罗、TD 和多步版本。
- 原始内容:批量法是把一段时期内的数据集中起来,如给定一段经验数据集,通过学习,找到最好的拟合函数使得参数能较好地符合这段时期内所有的数据,满足损失函数最小。