离线数据下线性赌博机遗憾界收紧

研究者 Kushagra Chandak 等提交论文，研究部分覆盖的离线数据如何辅助在线随机线性赌博机。他们指出，基于 phased elimination 与乐观主义的算法此前得到的 Õ(√(dkT)) 遗憾界，问题出在对奖励预测误差控制过松；改用高斯向量 Lipschitz 函数集中不等式后，能给出更紧的界，并据此提出遗憾为 Õ(k√T) 的 phased elimination 算法。 所谓部分覆盖，指 d 个特征方向中只有 k 个覆盖不足。这一结果针对离线数据仅部分覆盖特征方向的情形，是否适用于全部特征方向均覆盖充分的情况，论文未作说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。