ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

时序差分学习之最大化偏差与双学习(Maximization Bias and Double Learning)

2021-09-08 21:03:48  阅读:174  来源: 互联网

标签:最大化 偏差 动作 Double 最大值 Maximization 估计 Bias 价值


前言

在目前涉及到的构建目标策略时都包含了最大化操作,总是选择最大的那个(贪心策略,例如Q-learning、Sarsa等)。这些算法在估计值的基础上进行最大化可以被看做隐式地对最大值进行估计,例如真值为0,但估计有正有负 直接选择最大化处理,估计出来的真值一定是正的。这就可以被称为最大化偏差【将估计值中的最大值视为对真实价值的最大值的估计,就会产生正的最大化偏差】

对这个问题,有一种看法是问题的根源在于确定价值最大的动作和估计它的价值使用的是同样的样本数据

双学习

基于上述说明,我们采用不同的样本将确定价值最大的动作过程和估计动作价值过程分开。用他们学习两个独立的对真实值的估计。用第一个来选择最佳动作,用第二个来计算其价值的估计。

标签:最大化,偏差,动作,Double,最大值,Maximization,估计,Bias,价值
来源: https://www.cnblogs.com/yuyuanliu/p/15244564.html

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有