贝叶斯设定下的固定置信度最佳臂识别
机器学习
2024-06-25 v2 机器学习
摘要
我们考虑贝叶斯设定下的固定置信度最佳臂识别（FC-BAI）问题。该问题旨在当老虎机模型已从已知先验中采样时，以固定的置信水平找到具有最大均值的臂。大多数关于 FC-BAI 问题的研究都是在频率学派设定下进行的，其中老虎机模型在游戏开始前是预先确定的。我们表明，在频率学派设定下研究的传统 FC-BAI 算法（如 track-and-stop 和 top-two 算法）在贝叶斯设定下会导致任意次优的性能。我们还获得了贝叶斯设定下期望样本数的下界，并引入了一种连续消去法的变体，其性能与下界匹配（相差一个对数因子）。仿真验证了理论结果。
引用
@article{arxiv.2402.10429,
title = {Fixed Confidence Best Arm Identification in the Bayesian Setting},
author = {Kyoungseok Jang and Junpei Komiyama and Kazutoshi Yamazaki},
journal= {arXiv preprint arXiv:2402.10429},
year = {2024}
}