Szacowanie, jak dobra byłaby nowa polityka, wyłącznie z danych zebranych przez inną politykę, bez jej uruchamiania. Często krytyczny krok przed wdrożeniem RL w realnych systemach.
Estimating how good a new policy would be using only data collected by a different policy, without running it. Often a critical step before deploying RL in real systems.
To sprawdzanie, jak sprawdziłby się nowy sposób działania, na podstawie starych zapisów, zanim go uruchomisz.
This checks how a new way of acting would perform, using old records, before you switch it on.
Uruchomienie niesprawdzonej strategii na prawdziwych ludziach lub pieniądzach jest ryzykowne, a dane masz tylko z obecnego sposobu działania.
Running an untested strategy on real people or money is risky, and you only have data from how things are done today.
Jak ocena nowej trasy autobusu z danych o dotychczasowych przejazdach: przeważasz kursy podobne do nowej trasy, zamiast od razu zmieniać rozkład.
Like judging a new bus route from records of past trips: you give more weight to journeys resembling the new route instead of changing the timetable straight away.
Sklep internetowy ma zapis, jakie rabaty pokazywał klientom; zanim wprowadzi nowy sposób ich doboru, szacuje jego wynik z tych zapisów.
An online shop has records of which discounts it showed customers; before introducing a new way to choose them, it estimates the result from those records.