搜索引擎大全网站,ui设计怎么收费,产品的推广及宣传思路,电子商务的应用场景重要性采样
前言
离散型随机变量 X X X#xff0c;我们可以通过以下方法求取其期望#xff1a; 直接计算法#xff0c;需要知道概率分布#xff1a; E ( X ) ∑ x ∈ X [ p ( x ) ⋅ x ] \mathbb{E}(X)\sum_{x\in X}\left[p(x)\cdot x\right] E(X)x∈X∑[p(x)⋅x] 采…重要性采样
前言
离散型随机变量 X X X我们可以通过以下方法求取其期望 直接计算法需要知道概率分布 E ( X ) ∑ x ∈ X [ p ( x ) ⋅ x ] \mathbb{E}(X)\sum_{x\in X}\left[p(x)\cdot x\right] E(X)x∈X∑[p(x)⋅x] 采样计算这时即使 X X X概率分布未知依据大数定律当采样次数够大时仍然可以求取期望 E ( X ) 1 n lim n → ∞ ∑ i 0 n − 1 x i \mathbb{E}(X)\frac{1}{n}\lim_{n\to \infty}\sum_{i0}^{n-1} x_i E(X)n1n→∞limi0∑n−1xi
连续型随机变量 X X X
直接计算需要 f f f表达式 E ( X ) ∫ x x ⋅ f ( x ) d x \mathbb{E}(X)\int_x x\cdot f(x)dx E(X)∫xx⋅f(x)dx
抽样(蒙特卡洛积分估计)这里不多做介绍
重要性采样
思想如果已知随机变量 X ∼ p 0 X\sim p_0 X∼p0在 p 0 p_0 p0下随机采样了一批数据 { x i } ∼ p 0 \{x_i\}\sim p_0 {xi}∼p0现在要求随机变量 X ∼ p 1 X\sim p_1 X∼p1下的期望则 E X ∼ p 1 [ X ] ∑ x p 1 ( x ) ⋅ x ∑ x p 0 ( x ) p 1 ( x ) p 0 ( x ) ⋅ x E X ∼ p 0 [ f ( X ) ] \mathbb{E}_{X\sim p_1}[X]\sum_x p_1(x)\cdot x\sum_x p_0(x) \frac{p_1(x)}{p_0(x)}\cdot x\mathbb{E}_{X\sim p_0}[f(X)] EX∼p1[X]x∑p1(x)⋅xx∑p0(x)p0(x)p1(x)⋅xEX∼p0[f(X)] 那么就有如下几个问题 对于离散型随机变量为什么 p 1 ( x ) p_1(x) p1(x)已知不直接计算期望呢 因为有时候我们已经根据 p 0 p_0 p0采样了一些数据再用 p 1 p_1 p1重新采样计算一遍会增加很多计算量。因为有些时候不方便对 p 1 p_1 p1采样在强化学习中我们根据一个策略采样通过重要性采样可以求出另一个策略的期望是一种On Policy向Off Policy转换的思想。 对于连续型随机变量为什么 p 1 ( x ) p_1(x) p1(x)已知不直接计算期望呢 理论上不可能完全求出概率密度函数所以无法从理论上计算期望只能估计。 例如如果我们通过神经网络来表示 f f f那么对任意的输入 x x x我们都可以求出 f ( x ) f(x) f(x)但是这并不代表我们求出 f f f的函数表达式更无法进一步求积分。我们只是能从数值上计算出 f ( x ) f(x) f(x)神经网络本身就是一个黑盒。
综上所述重要性采样使得我们能够从behavior policy采样然后去估计target policy的期望从而使得On Policy的算法转换为Off Policy
