统计学 > 机器学习
[提交于 2025年5月1日
]
标题: 具有连续动作的强化学习中的不可测量混杂因素
标题: Reinforcement Learning with Continuous Actions Under Unmeasured Confounding
摘要: 本文解决了在强化学习中存在未测量的混杂因素时,连续动作空间下离线策略学习的挑战。虽然大多数现有研究集中在部分可观察马尔可夫决策过程(POMDP)中的策略评估,并假设动作空间是离散的,我们通过建立一个新的识别结果推进了这一领域,在无限 horizon 框架下实现了给定目标策略的非参数化估计。利用这一识别结果,我们开发了一种最小最大估计器,并引入了一种基于策略梯度的算法来识别最大化估计策略价值的同类最优策略。此外,我们提供了关于由此产生的最优策略的一致性、有限样本误差界和遗憾界的理论结果。大量的模拟实验和使用德国家庭面板数据的真实世界应用证明了我们所提出方法的有效性。
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.