研究人员开发了一种名为 CS-UCCB 的新算法,用于处理具有阶段性约束的上下文老虎机。该算法旨在平衡风险控制与从结果中学习,尤其是在仅观察到所选动作的奖励和成本时。CS-UCCB 结合了离线回归、成本置信集和上反事实置信界,在特定的熵和误差条件下,实现了每轮的可行性以及无逃逸维度项的次线性遗憾。 AI
影响 为机器学习中受约束的决策引入了一种新颖的算法方法。
排序理由 详细介绍机器学习特定问题新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →