具有有界均值的非负右重尾观测值变化均值下的下置信序列
机器学习
2022-10-21 v1 机器学习
摘要
置信序列(CS)是一种随时有效的序贯推断基元,它为可预测参数序列产生一族适应的集合序列,并具有时间一致的覆盖保证。本文针对运行平均条件期望构造了一个非参数、非渐近的下置信序列,在给定具有有界均值的非负右重尾观测值时,其松弛收敛到零。具体而言,当方差有限时,该方法主导了 Howard 等人的经验 Bernstein 超鞅;在方差无限时,可适应已知或未知的 阶矩界;并且可以使用亚线性数量的充分统计量进行高效近似。在某些情况下,该下置信序列可转换为宽度收敛到零的闭区间置信序列,例如任意有界实现,或具有有界奖励和无界重要性权重的上下文老虎机后推断。参考实现和示例仿真展示了该技术。
引用
@article{arxiv.2210.11133,
title = {A lower confidence sequence for the changing mean of non-negative right heavy-tailed observations with bounded mean},
author = {Paul Mineiro},
journal= {arXiv preprint arXiv:2210.11133},
year = {2022}
}
备注
Reference implementation at https://github.com/microsoft/csrobust