贝叶斯在线模型选择

贝叶斯型阈值中的在线模型选择提出了一个根本性的探索挑战：当环境实例从先验分布中抽取时，如何设计一种自适应策略来探索多个臂式学习者，并在事后与最佳学习者竞争？我们通过引入一种新的贝叶斯算法来解决此问题，用于随机型阈值的在线模型选择。我们证明了一种或acles式的保证，即 Bayesian 后悔为 $O\left( d^* M \sqrt{T} + \sqrt{(MT)} \right)$，其中 $M$ 为基础学习者的数量，$d^*$ 为最优基础学习者的后悔系数，$T$ 为时间范围。我们还在多种随机型阈值设置下对该方法进行了经验验证，表现出与最佳基础学习者相当的性能。此外，我们研究了在基础学习者之间共享数据及其在缓解先验误指定方面的作用。