Presná definícia
Čo znamená hodnotová funkcia?
Hodnotová funkcia udáva očakávanú návratnosť z daného stavu alebo dvojice stav-akcia pri určitej politike. Zhŕňa dlhodobé následky do skalárneho odhadu a spĺňa príslušnú Bellmanovu rovnicu.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Agent odhaduje hodnotu stavov skladu a porovnáva ju s realizovanými návratnosťami na nezávislých epizódach. Veľké systematické rezíduá odhalia chybný kritik.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo presne znamená hodnotová funkcia?
Hodnotová funkcia udáva očakávanú návratnosť z daného stavu alebo dvojice stav-akcia pri určitej politike.
Kedy sa hodnotová funkcia používa?
Agent odhaduje hodnotu stavov skladu a porovnáva ju s realizovanými návratnosťami na nezávislých epizódach.
Od čoho treba hodnotová funkcia odlíšiť?
Reward je okamžitý; value function je očakávaný súčet budúcich odmien pod politikou.
Ako sa hodnotová funkcia kontroluje?
Overuje sa cieľová politika, diskont, Bellmanovo rezíduum, Monte Carlo návratnosti, kalibrácia a pokrytie stavov.
Aké obmedzenie má hodnotová funkcia?
Aproximačná chyba hodnoty sa môže preniesť do politiky a maximalizácia potom zvýrazní nadhodnotené akcie.