arXiv cs.LG· AbdAlRahman Odeh, Teng-Hui Huang, Hesham El Gamal·· 11 小时前AI 评分14
AFA-BANDIT：预算约束下可证明近最优的在线多特征分类
AFA-BANDIT: Provably Near-Optimal Online Multi-Feature Classification Under Budget Constraints
AI 导读
研究者将在线主动特征获取（AFA）建模为带背包的组合 Bandits（BwK）问题，在全局预算约束下同时决定特征获取与预测，并给出优于标准 BwK 的 regret 上界。为规避指数级动作空间，他们提出 LP-Chain，以随特征数线性增长的代价感知特征子集链进行搜索。在合成数据上，LP-Chain 优于基于 HEDGE 的 BwK 和深度 RL 的在线 AFA 基线，并能更好地扩展到更多特征。
来源：arXiv cs.LG · arxiv.org