从多臂老虎机到专家：支配与独立的故事
机器学习
2013-07-18 v1 机器学习
摘要
我们考虑由 Mannor 和 Shamir 引入的多臂老虎机部分可观测模型。我们的主要结果是根据可观测图的支配数和独立数，刻画了有向可观测模型中的遗憾值。我们还表明，在无向情况下，学习器甚至无需在选择动作之前访问可观测图即可实现最优遗憾值。这两个结果均通过使用在有向图上以时间高效方式运行的 Exp3 算法变体来证明。
引用
@article{arxiv.1307.4564,
title = {From Bandits to Experts: A Tale of Domination and Independence},
author = {Noga Alon and Nicolò Cesa-Bianchi and Claudio Gentile and Yishay Mansour},
journal= {arXiv preprint arXiv:1307.4564},
year = {2013}
}