基于潘多拉盒子吉特恩指数的成本感知贝叶斯优化
机器学习
2025-01-17 v3 机器学习
摘要
贝叶斯优化是一种高效地以黑盒方式优化未知函数的技术。为处理数据采集需要有限资源的实际场景，显然需要将函数评估成本明确纳入贝叶斯优化策略中。为此，我们在经济学中的一个尚未探索的连接下，建立了成本感知贝叶斯优化与潘多拉盒子问题之间的关系。潘多拉盒子问题允许基于称为吉特恩指数的表达式提供贝叶斯最优解，该指数可重新解释为获取函数。我们研究了将此获取函数用于成本感知贝叶斯优化，并通过实证表明其在中等偏高维度上表现良好。我们进一步展示，这一性能也适用于不含显式评估成本的经典贝叶斯优化。本工作是首次将吉特恩指数理论中的技术方法引入贝叶斯优化的一步。
引用
@article{arxiv.2406.20062,
title = {Cost-aware Bayesian Optimization via the Pandora's Box Gittins Index},
author = {Qian Xie and Raul Astudillo and Peter I. Frazier and Ziv Scully and Alexander Terenin},
journal= {arXiv preprint arXiv:2406.20062},
year = {2025}
}