最佳K子集赌博机
机器学习
2016-03-22 v2 机器学习
摘要
本文研究了最佳K子集赌博机游戏：在每次时刻，玩家从所有 N-choose-K 的可能选项中选择一个子集S，并观测到奖励 max(X(i) : i in S)，其中X是从联合分布抽取的随机向量。目标是以高概率识别达到最高期望奖励的子集，并使用尽可能少的查询。我们提出了基于特定构造的依赖于分布的下界，该构造迫使学习者考虑所有 N-choose-K 个子集，并与通过将每个子集视为独立臂而在赌博机设定下获得的已知上界的朴素扩展相匹配。尽管如此，我们给出的证据表明，对于某些有利分布，可以避免穷举搜索，因为高阶相关性的影响可能被低阶统计量所主导。最后，我们提出了针对独立臂的算法和分析，其缓解了由于仅观测子集中最大值而发生的令人惊讶的非平凡信息遮挡。这可为更一般的依赖度量策略提供参考，并且我们用独立臂下界补充了这些结果。
引用
@article{arxiv.1603.02752,
title = {Best-of-K Bandits},
author = {Max Simchowitz and Kevin Jamieson and Benjamin Recht},
journal= {arXiv preprint arXiv:1603.02752},
year = {2016}
}