计算机科学 > 机器学习
[提交于 2019年10月16日
]
标题: 无限时 horizon 离线策略估计中的双重稳健偏差减少
标题: Doubly Robust Bias Reduction in Infinite Horizon Off-Policy Estimation
摘要: 无限时域的离策策略评估是一项极具挑战性的任务,因为典型的重要性采样(IS)估计器具有过大的方差。 最近,刘等人(2018a)提出了一种方法,通过估计平稳密度比显著降低了无限时域离策评估的方差,但代价是由于密度比估计中的误差可能会引入潜在的高偏差。 在本文中,我们开发了他们方法的一种减偏增强版,该方法可以利用学到的价值函数以获得更高的准确性。 我们的方法是双重鲁棒的,即当密度比估计或价值函数估计中任意一个达到完美时,偏差就会消失。 一般来说,当其中任意一个估计准确时,偏差也可以被减少。 理论和实验结果均表明,我们的方法相较于以往方法具有显著优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.