广义线性_bandit中的随机化探索

我们研究了两种用于广义线性 bandit 的随机化算法。第一种 GLM-TSL 从后验分布的 Laplace 近似中采样一个广义线性模型（GLM）。第二种 GLM-FPL 将 GLM 拟合到随机扰动的过去奖励历史上。我们分析了两种算法，并推导出它们 $n$ 轮 regret 的 $\tilde{O}(d \sqrt{n \log K})$ 上界，其中 $d$ 为特征数，$K$ 为臂数。前者改进了先前工作，而后者是针对非线性模型中高斯噪声扰动的首个结果。我们在 logistic bandits 中对 GLM-TSL 和 GLM-FPL 进行了经验评估，并将 GLM-FPL 应用于神经网络 bandit。我们的工作展示了除后验采样外，随机化在探索中的作用。