离线数据部分覆盖下线性Bandit遗憾界收紧

针对部分覆盖的离线数据场景——d个特征方向中只有k个覆盖不足——研究者提出一种阶段消除算法，将随机线性bandit的在线遗憾从Õ(√(dkT))降至Õ(k√T)。 该结果由Kushagra Chandak等作者在论文中给出。其做法是利用高斯向量Lipschitz函数的集中不等式，收紧奖励预测误差的控制。 这一结论适用于离线数据仅部分覆盖特征方向的情形；覆盖不足的方向数k越小，遗憾界相对此前的Õ(√(dkT))改善越明显。

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。