学习最优臂的一种最优消除算法

Avinatan Hassidim; Ron Kupfer; Yaron Singer

学习最优臂的一种最优消除算法

机器学习 2020-06-23 v1 机器学习

作者: Avinatan Hassidim , Ron Kupfer , Yaron Singer

摘要

我们考虑经典的 $(\epsilon,\delta)$ -PAC 学习最优臂问题，其目标是在多臂老虎机设定下以 $1-\delta$ 的置信度识别出一个均值与最高均值臂的均值相差 $\epsilon$ 以内的臂。该问题是统计学与学习理论中最基本的问题之一，但有些令人惊讶的是，其最坏情况样本复杂度尚不为人所充分理解。在本文中，我们提出一种用于 $(\epsilon,\delta)$ -PAC 学习最优臂的新方法。该方法导出的算法，其样本复杂度收敛到恰好为分别 $(\epsilon,\delta)$ -学习 $n$ 个臂的均值的最优样本复杂度，并且我们以条件匹配下界补充了这一结果。更具体地：

关键词

最优臂识别 PAC 学习多臂老虎机样本复杂度消除算法下界

引用

@article{arxiv.2006.11647,
  title  = {An Optimal Elimination Algorithm for Learning a Best Arm},
  author = {Avinatan Hassidim and Ron Kupfer and Yaron Singer},
  journal= {arXiv preprint arXiv:2006.11647},
  year   = {2020}
}

学习最优臂的一种最优消除算法

摘要

关键词

引用

相关论文