无限与上下文赌博机的公平算法
机器学习
2017-06-30 v4
摘要
我们研究线性赌博机问题中的公平性。从 Joseph et al. [2016] 引入的精英公平(meritocratic fairness)概念出发，我们对更一般的问题进行了更精细的分析，在更少的建模假设下（关于可用选择的数量与结构以及所选数量）实现了更好的性能保证。我们还分析了先前未研究的无限线性赌博机问题中的公平性问题，获得了依赖于实例的后悔上界以及证明该实例依赖性必要性的下界。结果是一个在线线性设定中的精英公平框架，比当前最先进水平更强大、通用和现实。
引用
@article{arxiv.1610.09559,
title = {Fair Algorithms for Infinite and Contextual Bandits},
author = {Matthew Joseph and Michael Kearns and Jamie Morgenstern and Seth Neel and Aaron Roth},
journal= {arXiv preprint arXiv:1610.09559},
year = {2017}
}