知识卡片
遗憾衡量试错的累计成本
累计遗憾是始终选择真实均值最高的选项所获期望回报与实际策略的期望回报之间的差。可按每只次优臂的均值差乘以选择次数求和。特定有界独立回报设置下,UCB1 的期望遗憾随次数至多对数增长。单次跑分不能验证这一界。
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
但是,以上被导出的公式子被奖金范围必须在[0,1]的条件所限制。
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:原文定义最佳均值与差距,说明报酬落于指定区间是理论条件。
- 原始内容:但是,以上被导出的公式子被奖金范围必须在[0,1]的条件所限制。