未知度量空间中的非参数上下文多臂老虎机
机器学习
2019-08-06 v1 机器学习
摘要
考虑一个非参数上下文多臂老虎机问题，其中每个臂 关联一个非参数奖励函数 ，将上下文映射到期望奖励。假设存在大量臂，但这些臂的奖励函数之间存在一种简单但未知的结构，例如有限类型或关于某个未知度量空间光滑。我们提出了一种新颖算法，学习臂之间数据驱动的相似性，以实现上下文-臂空间的自适应划分，从而进行更高效的学习。我们给出了后悔界以及仿真，突出了算法对奖励函数局部几何结构的依赖。
关键词
引用
@article{arxiv.1908.01228,
title = {Nonparametric Contextual Bandits in an Unknown Metric Space},
author = {Nirandika Wanigasekara and Christina Lee Yu},
journal= {arXiv preprint arXiv:1908.01228},
year = {2019}
}