具有连续动作的情境多臂老虎机的高效算法
机器学习
2020-12-07 v2 机器学习
摘要
我们提出了一种计算上易处理的算法，用于具有未知结构连续动作的情境多臂老虎机(contextual bandits)。我们的归约式算法可与大多数监督学习表示组合。我们证明了其在一般意义下的有效性，并通过大规模实验验证了新功能。
引用
@article{arxiv.2006.06040,
title = {Efficient Contextual Bandits with Continuous Actions},
author = {Maryam Majzoubi and Chicheng Zhang and Rajan Chari and Akshay Krishnamurthy and John Langford and Aleksandrs Slivkins},
journal= {arXiv preprint arXiv:2006.06040},
year = {2020}
}
备注
To appear at NeurIPS 2020