Bandit PCA

新的 Bandit 算法解决了公平性和连续 K-Max 问题 · 跟踪 6 个来源

研究人员开发了新的 Bandit 问题算法，这些算法用于推荐系统等应用。对于连续 K-Max bandits，DCK-UCB 实现了 $\widetilde{O}(T^{3/4})$ 的次线性 regret 边界，而 MLE-Exp 为指数分布提供了接近最优的 $\widetilde{O}(\sqrt{T})$ regret。在相关领域，UCB-HARE 解决了 bandits 中的“公平性成本”问题，建立了 $\Omega(\sig…