如何将两个不同规模但同样重要的“运行”信号组合成一个奖励函数？

Question

我问了这个关于人工智能的问题，但没有得到答案，所以我把它移到了这里。

我有两个信号，我想用它来为一个强化学习算法建立一个奖励。

第一个是CPU时间:从这个图表中运行意味着：

第二个是图中最大残差的运行平均值：

这两种信号同样重要，但它们的尺度却大不相同。我可以像这样线性地把信号组合起来：

r = w_\rho \rho + w_\tau \tau

其中，r是奖励函数，\tau是CPU时间:运行均值，\rho是最大残差。问题是，如果w_\tau,w_\rho和\tau在非常不同的尺度上，如何设置权重\rho来做出同样重要的贡献？

强化学习算法将学习基于奖励的策略，如果一个信号的值比另一个小得多，它对奖励的影响就会小得多，这不是我想要建模的行为。

编辑：关于Kaggle的数据集

编辑:佩德罗的评论

对于缩放的平均CPU时间(平均消除振荡)和缩放的最大残差，信号的线性组合似乎是可能的：

Answer 1

使用z-规范化可以确保它们具有相同的均值和标准差，但由于均值和标准差取决于数据的分布，所以它们的值当然会有所不同。

另一种方法是使用特征缩放，对这两个信号都强制使用0到1之间的值。