具有可复用数据尾流的无限动作上下文_bandits
机器学习
2023-06-09 v2
摘要
对于无限动作上下文_bandits，平滑 regret 和归约到回归带来了与动作集大小无关的计算代价的最先进在线性能：遗憾的是，由此产生的数据尾流不具有定义良好的重要性权重。这阻碍了离线模型选择等下游数据科学过程的执行。在本文中，我们描述了一种具有等价平滑 regret 保证的在线算法，但其生成定义良好的重要性权重：作为交换，在线计算代价增加，但仅增加到平滑度阶（即仍与动作集无关）。这消除了在生产场景中采用平滑 regret 的一个关键障碍。
引用
@article{arxiv.2302.08551,
title = {Infinite Action Contextual Bandits with Reusable Data Exhaust},
author = {Mark Rucker and Yinglun Zhu and Paul Mineiro},
journal= {arXiv preprint arXiv:2302.08551},
year = {2023}
}
备注
Final version after responding to reviewers