基于后验采样的帕累托集识别
机器学习
2024-11-08 v1 机器学习
摘要
从一组具有实值分布的物品中识别最佳答案的问题已被充分理解。尽管该问题对许多应用具有实际相关性，但较少有研究探讨当存在多个可能相互冲突的度量来评估物品质量时的扩展。帕累托集识别（PSI）旨在识别那些均值并非均匀劣于另一答案的答案集合。本研究在具有可能相关目标的归纳式线性设定中研究PSI。基于后验采样在停止规则和采样规则中的应用，我们提出了PSIPS算法，该算法同时处理结构和相关性，而无需支付基于oracle的现有算法的计算成本。从频率学派和贝叶斯学派的角度来看，PSIPS都是渐近最优的。我们在真实世界和合成实例中展示了其良好的经验性能。
引用
@article{arxiv.2411.04939,
title = {Pareto Set Identification With Posterior Sampling},
author = {Cyrille Kone and Marc Jourdan and Emilie Kaufmann},
journal= {arXiv preprint arXiv:2411.04939},
year = {2024}
}