预期回报 - 专知百科

预期收益（或预期收益）指的是随机变量的值，如果找到随机变量的过程可以重复无数次，则可以期望。形式上，它给出了变量分布中心的度量。它是使用以下公式计算的：其中：是方案的收益；是场景中回报的概率; 并计算方案的数量。尽管这是人们期望的回报，但这仅指长期平均水平。在短期内，该事件的每个实例可能会非常不同。如上述公式所示，只需简单地计算每个可能的回报结果的概率，然后将其乘以回报结果本身。例如，如果某人知道某项投资有50％的机会获得10的回报，25％的机会获得20的回报和25％的机会获得–10的回报，则预期回报将等于7.5：人们期望的回报是多少，不能保证它将是实际的回报。在机器学习领域，往往指当模型采取一定的行为，希望得到的回报（奖励），在强化学习中经常出现。