人工智能中的效用理论是什么?

我有一本 人工智能:一种现代方法(作者:Stuart Russell)。我正在阅读第 16 章“做出简单的决策”,但我不太理解 效用理论 的主要思想,你能提供一个详细的例子吗?


回答:

效用理论的核心思想非常简单:一个智能体对可能结果的偏好可以通过一个函数来表示,该函数将这些结果映射到一个实数;数字越高,智能体就越喜欢该结果。这个函数被称为效用函数

例如,我们可以说我对拥有各种物品的效用是:

u(apple) = 10u(orange) = 12u(basketball) = 4u(macbookpro) = 45

经济学家(通常)认为人类是效用最大化的主体。也就是说,我们总是试图最大化我们内部的效用函数。

一旦你有了这些数字,你就可以将它们与概率混合在一起,并讨论期望效用、最优策略、折现的未来回报以及许多其他有趣的东西。

如果你想了解更多,可以拿起一本博弈论教科书,或者阅读这本代理书籍的第一章。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注