数学記号[]についての質問

Question

前提・実現したいこと

https://qiita.com/ishizakiiii/items/5eff79b59bce74fdca0d
強化学習について勉強しています。
上のリンクの記事の行動価値関数の
Qπ(s,a)=E[Gt|st=s,at=a,π]
の数式の意味がよくわかりません。
集合のような[]はどういった意味で使われているのでしょうか。
条件付き確率が[]の中で表されていることはわかりますが=で繋がれているため理解できません。
わかる方いらっしゃれば教えていただければ幸いです。

Answer 1

「E[X|Y]」という書き方がよく出てきますが、これは「Yという条件下でのXの期待値」という意味になります。また、数式内の”＝”は代入ではなく、等価判定です。
ですので、質問文の数式を日本語で書くと「stがa、atがa、方策πに従った場合の、Gtの期待値をQπ(s,a)とする」という意味になります。

Answer 2

ここでの = は、左辺を右辺で定義する、という意味です。
曖昧性を排除するために、:=　と書くほうがよいでしょう。

Comments

[sanma_ow]

ありがとうございます！