结构化_bandit中的固定预算最优臂辨识
机器学习
2023-07-06 v8
摘要
固定预算设置下的最优臂辨识(BAI)是一类bandit问题,其中学习智能体在固定观测次数后最大化辨识出最优(最佳)臂的概率。该主题多数研究针对臂数较少的非结构化问题,限制了其适用性。我们提出一种通用的可处理算法,通过基于联合泛化模型得到的均值奖励估计依次剔除次优臂,从而融入结构信息。我们在线性与广义线性模型(GLMs)下分析了算法,并基于G-最优设计给出了实用实现。在线性模型中,我们的算法具有与已有工作相竞争的误差保证,且实证表现至少相当。在GLMs中,这是首个针对固定预算BAI且具有理论分析的实用算法。
引用
@article{arxiv.2106.04763,
title = {Fixed-Budget Best-Arm Identification in Structured Bandits},
author = {Mohammad Javad Azizi and Branislav Kveton and Mohammad Ghavamzadeh},
journal= {arXiv preprint arXiv:2106.04763},
year = {2023}
}