Oct, 2018

打破视野的诅咒:无穷视野离线估计

TL;DR本文提出了一种新的离线策略估计方法,其中将重要性采样直接应用于平稳态访问分布,从而避免了现有估计器所面临的方差爆炸问题。通过仅从行为分布中采样轨迹,我们开发了一种估计密度比的新方法,并为估算问题设计了mini-max损失函数,并推导出了RKHS情况下的封闭形式解决方案。