Presná definícia
Čo znamená politika?
Politika je pravidlo rozhodovania, ktoré každému stavu alebo pozorovaniu priraďuje akciu či rozdelenie pravdepodobností akcií. Deterministická politika vyberá jednu akciu, stochastická zachováva náhodnosť.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Odporúčací agent používa stochastickú politiku s povolenými akciami a loguje ich pravdepodobnosti, aby bolo možné bezpečné off-policy hodnotenie.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo presne znamená politika?
Politika je pravidlo rozhodovania, ktoré každému stavu alebo pozorovaniu priraďuje akciu či rozdelenie pravdepodobností akcií.
Kedy sa politika používa?
Odporúčací agent používa stochastickú politiku s povolenými akciami a loguje ich pravdepodobnosti, aby bolo možné bezpečné off-policy hodnotenie.
Od čoho treba politika odlíšiť?
Model prostredia predpovedá, čo sa stane po akcii; policy rozhoduje, ktorú akciu vykonať.
Ako sa politika kontroluje?
Kontroluje sa návratnosť, pravdepodobnosti akcií, obmedzenia, citlivosť na stav, stabilita, kalibrácia a bezpečné fallbacky.
Aké obmedzenie má politika?
Politika môže byť úspešná iba v tréningových stavoch a nepatrná chyba reprezentácie vyvolá nečakanú akciu.