快速身体活动建议：移动健康中的高效超参数学习
机器学习
2020-12-23 v1 计算机与社会
机器学习
摘要
用户可通过移动设备上相关且及时的建议，被支持采用健康行为，如规律身体活动。近来，强化学习算法已被发现对于学习提供建议的最优上下文是有效的。然而，这些算法未必针对移动健康（mHealth）设置所施加的约束而设计，即它们需高效、领域知情且计算可行。我们提出一种在mHealth设置中提供身体活动建议的算法。利用领域科学，我们公式化了一个使用线性混合效应模型的上下文老虎机算法。随后我们引入一种高效执行超参数更新的过程，其使用的计算资源远少于竞争方法。我们的方法不仅计算高效，还可轻易以闭式矩阵代数更新实现，并且我们在速度和准确度上分别展示了高达99%和56%的相对于最先进方法的提升。
引用
@article{arxiv.2012.11646,
title = {Fast Physical Activity Suggestions: Efficient Hyperparameter Learning in Mobile Health},
author = {Marianne Menictas and Sabina Tomkins and Susan Murphy},
journal= {arXiv preprint arXiv:2012.11646},
year = {2020}
}
备注
Neurips 2020 workshop: Machine Learning in Mobile Health. arXiv admin note: substantial text overlap with arXiv:2003.12881