ProtoBandit：基于多臂老虎机的高效原型选择

在这项工作中，我们提出了一种基于多臂老虎机（multi-armed bandit）的框架，用于从源数据集 $S$ 中识别出一组紧凑且具信息量的数据实例（即原型），以最佳表示给定目标集 $T$。给定数据集的原型示例提供了对底层数据分布的可解释洞察，并辅助基于示例的推理，从而影响人类决策的每一个领域。当前最先进的原型选择方法需要 $O(|S||T|)$ 次源与目标数据点之间的相似度比较，这在大规模场景下变得极其昂贵。我们提议通过在对原型示例的空间中进行随机贪婪搜索，并利用多臂老虎机来减少相似度比较次数，从而缓解此限制。我们的随机化算法 ProtoBandit 识别出一组 $k$ 个原型，产生 $O(k^3|S|)$ 次相似度比较，这与目标集的大小无关。我们分析的一个有趣结果是针对 $k$-medoids 聚类问题（$T = S$ 情形），其中我们展示了我们的算法 ProtoBandit 以 $O(k^3|S|)$ 复杂度逼近围绕 medoids 划分（PAM）方法的 BUILD 步骤解。经验上，我们观察到 ProtoBandit 将相似度计算调用次数减少了数个数量级（$100-1000$ 倍），同时获得与最先进方法质量相近的解。