«multiarmed-bandit» etiketlenmiş sorular

En iyi bilinen haydut algoritması, bu algoritma sınıfını popülerleştiren üst güven sınırıdır (UCB). O zamandan beri daha iyi algoritmalar olduğunu varsayıyorum. Mevcut en iyi algoritma nedir (deneysel performans veya teorik sınırlar açısından)? Bu algoritma bir anlamda en uygun mudur?

27 machine-learning  algorithms  theory  reinforcement-learning  multiarmed-bandit 

Çok kollu haydutlar, seçenekleriniz olduğu ve hangisinin sağlığınızı en üst düzeye çıkaracağından emin olmadığınız durumlarda iyi çalışır. Algoritmayı bazı gerçek yaşam durumları için kullanabilirsiniz. Örnek olarak, öğrenme iyi bir alan olabilir: Bir çocuk marangozluk öğreniyorsa ve bu konuda kötü ise, algoritma ona muhtemelen devam etmesi gerektiğini söyleyecektir. Eğer bu konuda …

15 algorithms  reinforcement-learning  multiarmed-bandit 

Bağlamsal bir haydut sorunu çözmek için vowpal wabbit kullanıyorum . Kullanıcılara reklamları gösteriyorum ve reklamın gösterildiği bağlam hakkında oldukça fazla bilgiye sahibim (ör. Kullanıcının kim olduğu, hangi sitede olduğu vb.). Bu, John Langford tarafından tarif edildiği gibi oldukça klasik bir bağlamsal eşkıya sorunu gibi görünüyor . Benim durumumda, bir kullanıcının …

14 multinomial  gradient-descent  multiarmed-bandit  vowpal-wabbit  contextual-bandit 

Thompson Sampling'i ve nasıl çalıştığını anlayamıyorum . Multi Arm Bandit hakkında okuyordum ve Üst Güven Sınırlı Algoritmayı okuduktan sonra, birçok metin Thompson Sampling'in UCB'den daha iyi performans gösterdiğini öne sürdü. Layman'ın ya da basit bir ifadeyle Thompson Sampling nedir? Daha fazla bilgi için referans makaleler sunmaktan çekinmeyin.

14 machine-learning  definition  multiarmed-bandit 

Ben n-silahlı haydut sorunları çözmek için bir dizi algoritmalar hakkında okudum εϵ\epsilon-gözlü, softmax ve UCB1, ama pişmanlığı en aza indirmek için hangi yaklaşımın en iyi olduğunu sıralamakta biraz sorun yaşıyorum. N-kollu haydut problemini çözmek için bilinen bir optimal algoritma var mı? Uygulamada en iyi performansı gösteren algoritma seçeneği var mı?

13 machine-learning  reinforcement-learning  multiarmed-bandit 

Ödül dağılımı hakkında herhangi bir bilgimizin olmadığı çok kollu bir haydut sorunu üzerinde çalışıyorum. Bilinen bağlı bir dağıtım ve destekli genel dağıtımlar için pişmanlık sınırlarını garanti eden birçok makale buldum [0,1]. Ödül dağıtımının desteği konusunda garantisi olmayan bir ortamda iyi performans göstermenin bir yolu olup olmadığını öğrenmek istiyorum. Parametrik olmayan …

11 references  multiarmed-bandit