Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2505.00304

帮助 | 高级搜索

统计学 > 机器学习

arXiv:2505.00304 (stat)
[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

Authors:Yuhan Li, Eugene Han, Yifan Hu, Wenzhuo Zhou, Zhengling Qi, Yifan Cui, Ruoqing Zhu
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。
摘要: This paper addresses the challenge of offline policy learning in reinforcement learning with continuous action spaces when unmeasured confounders are present. While most existing research focuses on policy evaluation within partially observable Markov decision processes (POMDPs) and assumes discrete action spaces, we advance this field by establishing a novel identification result to enable the nonparametric estimation of policy value for a given target policy under an infinite-horizon framework. Leveraging this identification, we develop a minimax estimator and introduce a policy-gradient-based algorithm to identify the in-class optimal policy that maximizes the estimated policy value. Furthermore, we provide theoretical results regarding the consistency, finite-sample error bound, and regret bound of the resulting optimal policy. Extensive simulations and a real-world application using the German Family Panel data demonstrate the effectiveness of our proposed methodology.
主题: 机器学习 (stat.ML) ; 机器学习 (cs.LG); 方法论 (stat.ME)
引用方式: arXiv:2505.00304 [stat.ML]
  (或者 arXiv:2505.00304v1 [stat.ML] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.00304
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ruoqing Zhu [查看电子邮件]
[v1] 星期四, 2025 年 5 月 1 日 04:55:29 UTC (106 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.LG
stat
stat.ME

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号