高斯过程分类赌博机
机器学习
2022-12-27 v1
摘要
分类赌博机是一类多臂赌博机问题,其任务是将给定臂集分类为正类或负类,依据是期望奖励不低于h的臂的比例不小于给定阈值w(对给定阈值h和w)。我们研究一种特殊的分类赌博机问题,其中臂对应于d维实数空间中的点x,其期望奖励f(x)由高斯过程先验生成。我们针对该问题利用多种臂选择策略开发了一个框架算法,并提出称为FCB和FTSV的策略。我们给出FCB比现有水平集估计算法更小的样本复杂度上界,后者须对每个臂的x判定f(x)是否不低于h。我们也提出依赖于所估计的奖励不低于h的臂比例的臂选择策略,并证明可改善经验样本复杂度。根据实验结果, FCB和FTSV的速率估计版本,连同流行的选择最大方差点的主动学习策略的版本,在合成函数上优于其他策略,且FTSV版本在我们真实数据集上亦为最佳表现者。
引用
@article{arxiv.2212.13157,
title = {Gaussian Process Classification Bandits},
author = {Tatsuya Hayashi and Naoki Ito and Koji Tabata and Atsuyoshi Nakamura and Katsumasa Fujita and Yoshinori Harada and Tamiki Komatsuzaki},
journal= {arXiv preprint arXiv:2212.13157},
year = {2022}
}