广义线性_bandit中的最优臂辨识
机器学习
2019-05-21 v1 机器学习
摘要
受药物设计启发,我们考虑广义线性 bandit 中的最优臂辨识问题。更具体地,我们假设每个臂具有一个协变量向量,存在一个跨各臂通用的未知参数向量,并且一个广义线性模型刻画了奖励对协变量与参数向量的依赖关系。问题是要最小化所需臂拉动次数,以足够高的概率辨识出一个充分接近最优的臂。基于近期线性 bandit 中最优臂辨识的进展(Xu 等 2018),我们提出了首个面向广义线性 bandit 的最优臂辨识算法,提供了其精度与采样效率的理论保证,并通过仿真在各种场景下评估了其性能。
引用
@article{arxiv.1905.08224,
title = {Best Arm Identification in Generalized Linear Bandits},
author = {Abbas Kazerouni and Lawrence M. Wein},
journal= {arXiv preprint arXiv:1905.08224},
year = {2019}
}