利用因果老虎机自适应利用 d-分离器

多臂老虎机问题提供了一个在一系列重复实验中识别最优干预的框架。在没有额外假设的情况下，极小化极大最优性能（以累积遗憾衡量）已被充分理解。当能够访问到将干预与结果 d-分离的额外观测变量（即，它们是 d-分离器）时，近期的“因果老虎机”算法可证明地产生更小的遗憾。然而，在实践中，我们希望对观测变量是否为 d-分离器保持不可知。理想情况下，算法应是自适应的；即，其性能应几乎与拥有关于 d-分离器存在与否的预言知识的算法一样好。在这项工作中，我们形式化并研究了这种自适应性概念，并提出了一种新颖的算法，该算法同时实现了 (a) 当观测到 d-分离器时的最优遗憾，优于经典的最小化极大算法，以及 (b) 当观测变量不是 d-分离器时，其遗憾显著小于近期的因果老虎机算法。至关重要的是，我们的算法不需要任何关于是否观测到 d-分离器的预言知识。我们还将这种自适应性推广到其他条件，例如前门准则。