知识卡片
上置信界给少试选项机会
选择置信上界时,把回报样本均值与探索奖励相加。单个选项的样本越少,探索奖励越大;随后在其它选项上积累尝试,也会提高回访它的动机。相比固定比例的随机试探,访问频次会直接影响探索分配。
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
- · 查看原书依据
UCB值可以视为探索(式(4.15)中的第二项)与利用(式(4.15)中的第一项)之间权衡的一种估值。
参考来源
- 位置:《AI游戏开发和深度学习进阶》第4章 4.8 如何赢得博弈(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0039.xhtml`)
- 结论依据:原文解释公式的均值项支持利用,样本数量项支持探索。
- 原始内容:UCB值可以视为探索(式(4.15)中的第二项)与利用(式(4.15)中的第一项)之间权衡的一种估值。