离屏置信序列
机器学习
2021-02-19 v1 统计理论
机器学习
统计理论
摘要
我们针对上下文老虎机设置中的离屏策略评估，开发了随时间一致成立的置信界。这些置信序列基于近期鞅分析的思想，是非渐近、非参数且在任意停止时刻均有效的。我们提供了计算这些置信序列的算法，在計算与统计效率间取得了良好平衡。我们通过实验证明了我们的方法在失败概率与宽度方面的紧性，并将其应用于安全升级生产环境上下文老虎机系统的“门控部署”问题。
引用
@article{arxiv.2102.09540,
title = {Off-policy Confidence Sequences},
author = {Nikos Karampatziakis and Paul Mineiro and Aaditya Ramdas},
journal= {arXiv preprint arXiv:2102.09540},
year = {2021}
}