批次学习在随机赌博机中的影响
机器学习
2021-11-04 v1 机器学习
摘要
我们考虑赌博机问题的一个特例，即批次赌博机。受推荐系统和电子商务平台的自然限制启发，我们假设学习智能体在特定时间段内观察到分批成组的响应。与先前工作不同，我们考虑一个更贴近实际的、以批次为中心的场景，即批次学习。我们提供了一种与策略无关的遗憾分析，并证明了一个候选策略遗憾的上界和下界。我们的主要理论结果表明，批次学习的影响可以通过在线行为来衡量。最后，我们通过进行实证实验证明了理论结果的一致性，并反思了最优批次大小的选择。
引用
@article{arxiv.2111.02071,
title = {The Impact of Batch Learning in Stochastic Bandits},
author = {Danil Provodin and Pratik Gajane and Mykola Pechenizkiy and Maurits Kaptein},
journal= {arXiv preprint arXiv:2111.02071},
year = {2021}
}
备注
To appear at the workshop on the Ecological Theory of Reinforcement Learning, NeurIPS 2021