无稀疏度先验的 Lasso Bandit
机器学习
2021-04-29 v2 机器学习
摘要
我们考虑一个随机上下文赌博机问题，其中特征向量的维数 可能很大，但仅有基数为 的稀疏特征子集影响奖励函数。几乎所有现有的稀疏赌博机算法都需要事先知道稀疏度指标 的值。这种知识在实践中几乎从未可得，且该参数的错误设定会导致现有方法性能严重恶化。本文的主要贡献是提出一种不需要稀疏度指标 先验知识的算法，并在温和条件下建立其性能的紧致后悔界。我们还通过数值实验全面评估了所提算法，表明即使向现有方法透露正确的稀疏度指标而对本算法隐藏，本算法仍始终优于现有方法。
引用
@article{arxiv.2007.08477,
title = {Sparsity-Agnostic Lasso Bandit},
author = {Min-hwan Oh and Garud Iyengar and Assaf Zeevi},
journal= {arXiv preprint arXiv:2007.08477},
year = {2021}
}