面向二值反馈上下文搜索的主动学习
机器学习
2022-07-12 v2 机器学习
摘要
在本文中，我们研究上下文搜索中的学习问题，其动机来自一手拍卖、个性化医学实验和基于特征的定价实验等应用。具体而言，对于一串到达的上下文向量，每个上下文关联一个潜在值，决策者或在某点进行查询，或跳过该上下文。决策者仅能观测到关于查询点与上下文关联值之间关系的二值反馈。我们研究PAC学习设定，目标是用最少查询次数学习上下文中的潜在均值函数。为应对该挑战，我们提出一种结合基于边界的主动学习法的三分搜索方法。我们证明该算法仅需进行 次查询即可达到 估计精度。该样本复杂度显著降低了被动设定下所需的样本复杂度，后者至少为 。
引用
@article{arxiv.2110.01072,
title = {Active Learning for Contextual Search with Binary Feedbacks},
author = {Xi Chen and Quanquan Liu and Yining Wang},
journal= {arXiv preprint arXiv:2110.01072},
year = {2022}
}