上下文赌博的 PAC 离策略预测
机器学习
2025-07-23 v1 机器学习
摘要
本文研究上下文赌博中的离策略评估问题，旨在利用在不同且可能未知的行为策略下收集的数据来量化目标策略的性能。近期，基于共形预测的方法被开发出来，用于构建可靠的预测区间，从而在有限样本下保证边缘覆盖，这使其特别适用于安全关键应用。为了进一步实现对给定离线数据集的条件覆盖，我们提出了一种新颖的算法来构建可能近似正确的预测区间。我们的方法建立在 PAC 有效的共形预测框架之上，并通过建立覆盖率的 PAC 型界限来加强其理论保证。我们分析了所提方法的有限样本性质和渐近性质，并在模拟中比较了其与现有方法的经验性能。
引用
@article{arxiv.2507.16236,
title = {PAC Off-Policy Prediction of Contextual Bandits},
author = {Yilong Wan and Yuqiang Li and Xianyi Wu},
journal= {arXiv preprint arXiv:2507.16236},
year = {2025}
}