发布于2021-10-09 16:39:50
求问面试题: MC和TD分别是无偏估计吗，为什么？MC、TD谁的方差大，为什么？
感谢回复，总结翻译 + 个人理解如下： MC 使用真实 return（Gt）估计 TD 使用贝尔曼方程进行自举来估计 真实值为期望 return（Gt） MC 中使用的估计值是源于真实回报的采样，与真实值具有相同的期望，因此 MC 是无偏估计；TD 方...赞
2
评论
4
浏览
1793