面向线性部分监控的信息导向采样
机器学习
2020-02-27 v1 机器学习
摘要
部分监控是在不确定性下进行序贯决策的一个丰富框架，它推广了许多著名的bandit模型，包括线性、组合和决斗bandit。我们针对具有线性奖励和观测结构的随机部分监控引入了信息导向采样（IDS）。IDS实现了依赖于博弈精确可观测性条件的自适应最坏情况后悔率。此外，我们证明了下界，将全部有限博弈的最小最大后悔划分为四种可能的 regime。IDS在所有情况下直至对数因子均达到最优率，且无需调谐任何超参数。我们进一步将结果扩展到上下文和核化设定，这显著增加了可能的应用范围。
引用
@article{arxiv.2002.11182,
title = {Information Directed Sampling for Linear Partial Monitoring},
author = {Johannes Kirschner and Tor Lattimore and Andreas Krause},
journal= {arXiv preprint arXiv:2002.11182},
year = {2020}
}