A Tutorial on Thompson Sampling
Thompson Sampling ist ein Algorithmus für Online-Entscheidungsprobleme, bei denen Aktionen nacheinander in einer Art und Weise durchgeführt werden, die ein Gleichgewicht zwischen der Ausnutzung des Bekannten zur Maximierung der unmittelbaren Leistung und der Investition in neue Informationen, die die zukünftige Leistung verbessern können, herstellen muss.
Der Algorithmus eignet sich für ein breites Spektrum von Problemen auf rechnerisch effiziente Weise und findet daher breite Anwendung. A Tutorial on Thompson Sampling behandelt den Algorithmus und seine Anwendung und veranschaulicht die Konzepte anhand einer Reihe von Beispielen, darunter Bernoulli-Bandit-Probleme, Probleme mit kürzesten Wegen, Produktempfehlungen, Sortimente, aktives Lernen mit neuronalen Netzen und Reinforcement Learning in Markov-Entscheidungsprozessen.
Bei den meisten dieser Probleme geht es um komplexe Informationsstrukturen, bei denen Informationen, die durch eine Handlung aufgedeckt werden, die Überzeugungen über andere Handlungen beeinflussen. Es wird auch erörtert, wann und warum Thompson Sampling effektiv ist oder nicht und welche Beziehungen zu alternativen Algorithmen bestehen.
| ISBN: | 9781680834703 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
