用于高效非参数_bandit 探索的子采样方法
机器学习
2020-10-28 v1 机器学习
摘要
本文提出首个基于重采样的多臂 bandit 算法，该算法对不同臂族（即 Bernoulli、Gaussian 和 Poisson 分布）同时达到渐近最优后悔值。与需要针对不同情形指定不同先验才能达到最优的 Thompson Sampling 不同，我们提出的 RB-SDA 不需要任何依赖于分布的调参。RB-SDA 属于子采样对决算法（Sub-sampling Duelling Algorithms, SDA）族，该族将 BESA [1] 与 SSMC [2] 算法首次使用的子采样思想与不同的子采样方案相结合。特别地，RB-SDA 使用随机分块（Random Block）采样。我们进行了实验研究，评估这一用于 bandit 模型探索的、有前景的新方法的灵活性与鲁棒性。
引用
@article{arxiv.2010.14323,
title = {Sub-sampling for Efficient Non-Parametric Bandit Exploration},
author = {Dorian Baudry and Emilie Kaufmann and Odalric-Ambrym Maillard},
journal= {arXiv preprint arXiv:2010.14323},
year = {2020}
}
备注
NeurIPS 2020, Dec 2020, Vancouver, Canada