Брони для UCB-Style Gassian Process Bandits с помощью данных

arXiv:2610.28136v1 Annualce Type: New Humber Abstract: Gassian process gover timited (GP-UCB) был широко изучен, хотя его известное сожаление по поводу верхней границы является неоптимальным. Для получения наиболее оптимальных верхних пределов сожаления в существующих исследованиях основное внимание уделяется неадаптивным методам, таким как выборка с учетом факторов неопределенности, практическая эффективность которых зачастую ограничена. В этом документе показано, что в соответствии с гауссианским предположением о шуме алгоритмы UCB могут достичь почти оптимальных верхних пределов сожалений посредством разбавления данных - статистической технологии создания независимых наборов данных из единого набора. Во-первых, мы показываем, что разбавление данных может привести к установлению более жестких доверительных интервалов в контексте бандитской обстановки и что прямое расширение GP-UCB достигает почти оптимального простого предела сожаления. Кроме того, используя более жесткие доверительные интервалы и сочетая GP-UCB с алгоритмом поэтапной ликвидации, мы показываем почти оптимистичную кумулятивную связь верхнего предела сожаления. Наконец, мы продемонстрировали эффективность алгоритмов по типу UCB инд.