标签: 在线学习 - 文档

在线学习的遗憾界分析：Follow the Regularized Leader算法

2026-07-25 06:43:13

在线学习的遗憾界分析：Follow the Regularized Leader算法在线学习是一种逐步决策的框架：在第 t 轮，你选择一个动作（如预测值），然后看到损失，目标是最小化累计损失。遗憾衡量你的累计损失与最佳固定动作（事后看）的累计损失之差。Follow the Regularized

在线学习遗憾界 FTRL算法

32 0

多臂老虎机UCB算法的置信上界推导与后悔界

2026-07-24 02:49:07

多臂老虎机 UCB 算法的置信上界推导与后悔界 1. 定义多臂老虎机问题明确问题设定：你有 K 个老虎机（臂），每个臂 i 有一个未知的奖励分布，均值为 μi。你每次选择拉一个臂，获得一个奖励。目标是在 T 轮后最大化累计奖励，或者说最小化累计遗憾（后悔）。形式化后悔（Regret）定义为：

多臂老虎机 UCB算法置信上界

34 0

对抗多臂老虎机Exp3算法的指数加权策略

2026-07-08 22:51:36

对抗多臂老虎机Exp3算法的指数加权策略在对抗性多臂老虎机问题中，环境会主动让你的选择变差。你需要一个即使对手（环境）不断调整，也能持续优化决策的策略。Exp3（Exponentialweight algorithm for Exploration and Exploitation）算法正是为此设

对抗多臂老虎机 Exp3算法指数加权策略

56 0

在线学习 共 3 篇文章