Improving choice model specification using reinforcement learning
创建于 更新于
摘要
本论文提出了一种基于深度强化学习的框架，旨在自动化离散选择模型中的模型规格化过程。通过构建DQN智能体与定制模型环境交互，智能体能够动态调整策略，提高模型拟合优度及简约性，适应多种数据生成过程且表现出鲁棒性和迁移潜力。实验结果显示此方法相比传统启发式算法具备更高效的搜索与学习能力[page::0][page::1][page::2][page::6]。
