通过最佳叶识别在生长的单根有向无环图中进行蒙特卡洛搜索的特征选择
机器学习
2019-05-10 v2 人工智能
摘要
蒙特卡洛树搜索（MCTS）因其在计算机围棋这一难题上的惊人成功而受到相当关注，并在一系列其他领域也被证明有益。MCTS 文献中很少受到关注的一个主要问题是，在大多数游戏中，不同的动作可能导致相同的状态，这可能造成树表示中的高度冗余和不必要的额外计算成本。我们将 MCTS 扩展到单根有向无环图（SR-DAG），并考虑任意深度扩展中 SR-DAG 的最佳臂识别（BAI）和最佳叶识别（BLI）问题。我们提出了在固定置信度设置下（epsilon, delta）正确的算法，并证明了我们 BAI 算法采样复杂度的渐近上界。作为我们 BLI 算法的一个主要应用，通过将特征子集空间表示为 SR-DAG 并重复评估特征子集直到返回最佳叶候选，提出了一种特征选择的新方法，并在基准数据集上展示了概念验证。
引用
@article{arxiv.1811.07531,
title = {Feature selection as Monte-Carlo Search in Growing Single Rooted Directed Acyclic Graph by Best Leaf Identification},
author = {Aurelien Pelissier and Atsuyoshi Nakamura and Koji Tabata},
journal= {arXiv preprint arXiv:1811.07531},
year = {2019}
}