Towards Costless Model Selection in Contextual Bandits: A Bias-Variance Perspective
迈向上下文老虎机中的无额外代价模型选择：偏差与方差视角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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用上下文老虎机的模型选择与遗憾界，未明确涉及所列经济或金融细分问题。
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…
迈向上下文老虎机中的无额外代价模型选择：偏差与方差视角
- 研究问题
- 在随机上下文老虎机中，何时可以通过模型选择获得接近事先知道最佳偏差与方差平衡模型的累积遗憾保证？
- 方法与思路
- 作者提出模型误设检验，在模型类别复杂度逐步增加、最优类别策略价值的边际增益递减条件下，自适应调整模型。
- 材料陈述的贡献
- 摘要称识别了无额外代价模型选择可行的条件，并适应方差开始主导偏差的最简单类别，改善短期任务的遗憾保证。
- 阅读关注点
- 应核对无额外代价的比较基准、两项有利条件的形式定义、误设检验如何运行，以及短期遗憾界依赖哪些复杂度。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要已指出一般情形存在不可能性，所述保证不能无条件推广。
原文摘要
Model selection in supervised learning provides costless guarantees as if the model that best balances bias and variance was known a priori. We study the feasibility of similar guarantees for cumulative regret minimization in the stochastic contextual bandit setting. Recent work [Marinov and Zimmert, 2021] identifies instances where no algorithm can guarantee costless regret bounds. Nevertheless, we identify benign conditions where costless model selection is feasible: gradually increasing class complexity, and diminishing marginal returns for best-in-class policy value with increasing class complexity. Our algorithm is based on a novel misspecification test, and our analysis demonstrates the benefits of using model selection for reward estimation. Unlike prior work on model selection in contextual bandits, our algorithm carefully adapts to the evolving bias-variance trade-off as more data is collected. In particular, our algorithm and analysis go beyond adapting to the complexity of the simplest realizable class and instead adapt to the complexity of the simplest class whose estimation variance dominates the bias. For short horizons, this provides improved regret guarantees that depend on the complexity of simpler classes.