来自Sutton 和 Barto，Reinforcement Learning: An Introduction（第二版草稿），在第 38 页的方程 3.4 中。
四参数函数 p 给出的概率完全表征了有限 MDP 的动力学。从中，人们可以计算出任何其他人可能想知道的关于环境的信息，例如状态转移概率（我们将其表示为一个三参数函数，稍微滥用符号
作者提到了，稍微滥用了符号。请问符号中的滥用在哪里？我没有看到任何不合适的东西。
谢谢你。
看不到书的作者提到的“符号滥用”是什么
数据挖掘
强化学习
符号
2022-02-17 15:55:41
1个回答
数学表达式是完全合法的。滥用之处在于功能，这是第一次在等式 3.2 中定义，其中：
功能XXX. 是四个参数的普通确定性函数...
在此定义后仅两行（方程 3.4）重新定义略有不同，作为三参数函数XX.
如果他们使用代表常规概率度量，不会有滥用。在作者的注释中，是确定性函数，而正则概率函数表示为; 并为略有不同的功能保持相同的名称，这就是“无辜”符号滥用的来源。