| 大会名称 |
|---|
| 2022年 情報科学技術フォーラム(FIT) |
| 大会コ－ド |
| F |
| 開催年 |
| 2022 |
| 発行日 |
| 2022-08-30 |
| セッション番号 |
| 5g |
| セッション名 |
| 情報論的学習理論と機械学習(4) |
| 講演日 |
| 2022/09/14 |
| 講演場所(会議室等) |
| 12棟-202A教室 |
| 講演番号 |
| F-040 |
| タイトル |
| バンディット問題への保守的な推定の導入に向けた一考察 |
| 著者名 |
| 木村凌大, 菊地真人, 大囿忠親, |
| キーワード |
| 保守的な推定, 低頻度, バンディット問題 |
| 抄録 |
| バンディット問題においてアームの当たる確率は，引いた回数に対する当たった回数の比で求められることが多い．しかしこの確率推定法を用いると，アームの引ける回数がごく少数に限られるとき，当たる確率は低いが報酬は大きいアームの期待報酬を過大に見積もってしまうことがある．これは，引いた回数が少ないときに確率が過大推定されるためである．一方で我々は先行研究において，試行回数の少なさに応じて確率を低めに見積もる“保守的な推定法”を考案した．以上より本稿では，バンディット問題の単純方策であるε-greedy法に保守的な推定法を組み合わせる．そしてアームの引ける回数が少ないとき，通常のε-greedy法よりも良腕の予測性能が向上する場合があることを示す． |
| 本文pdf |
| PDF download (479.6KB) |