迭代阈值 $\gamma_i$ 是如何定义的，交叉熵循环何时停止？

适用条件

• 样本是从当前建议分布中抽取的。
• 精英比例参数 $p$ 设置为 0.05。
• 目标阈值是 $\gamma=5$。

理解与推导

1. 从当前建议分布中抽取一批样本。
2. 计算这些样本的经验 95% 分位数以获得 $\gamma_i$。
3. 将 $\gamma_i$ 与目标阈值 $\gamma$ 进行比较。
4. 如果 $\gamma_i \ge \gamma$，停止迭代。

例子

代码显示 `gamma_i = np.quantile(Xs, 1-p)` 和 `if gamma_i >= gamma: break`，其中 `$p = 0.05$`。演讲者说，这次迭代的阈值被设置为 X 样本的 95% 阈值，如果这高于 gamma 的总体目标，他们就停止迭代。

容易误解的地方

• 假设 $\gamma_i$ 在整个迭代过程中是一个固定常数。
• 认为当样本均值超过 $\gamma$ 时循环停止。

观看对应讲解

继续追问

• 在更新建议分布参数时，为什么精英样本要按似然比加权？
• 原始交叉熵方法的目的是什么？