Online Statistical Inference for Contextual Bandits via Stochastic Gradient Descent
通过随机梯度下降对情境老虎机进行在线统计推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦自适应决策与在线参数推断，未明确涉及因果效应或其他已列出的经济学细分问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
通过随机梯度下降对情境老虎机进行在线统计推断
- 研究问题
- 在决策规则不断更新、数据随决策自适应收集的情境老虎机中，如何开展模型参数的在线推断并提高估计效率？
- 方法与思路
- 作者提出加权随机梯度下降框架，允许不同梯度权重，并研究渐近正态性、线性回归中的权重最优性及 Bahadur 表示。
- 材料陈述的贡献
- 摘要称估计量相较既有逆概率加权平均 SGD 提高渐近效率，同时揭示自适应采样使展开余项比经典 SGD 收敛更慢。
- 阅读关注点
- 应核对采样与探索机制、权重的可实施性、渐近方差及效率比较条件，并区分线性模型中的最优性与一般框架的结论。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不推断刊本变化；摘要未说明探索概率、模型条件和余项具体速率，不能据此确认推断的普遍有效性。
原文摘要
With the fast development of big data, learning the optimal decision rule by recursively updating it and making online decisions has been easier than before. We study the online statistical inference of model parameters in a contextual bandit framework of sequential decision-making. We propose a general framework for an online and adaptive data collection environment that can update decision rules via weighted stochastic gradient descent. We allow different weighting schemes of the stochastic gradient and establish the asymptotic normality of the parameter estimator. Our proposed estimator significantly improves the asymptotic efficiency over the previous averaged SGD approach via inverse probability weights. We also conduct an optimality analysis on the weights in a linear regression setting. We provide a Bahadur representation of the proposed estimator and show that the remainder term in the Bahadur representation entails a slower convergence rate compared to classical SGD due to the adaptive data collection.