Randomized Allocation with nonparametric estimation for a multi-armed bandit problem with covariates
含协变量多臂老虎机问题的非参数估计与随机分配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：摘要聚焦带协变量的序贯奖励优化，未讨论离散选择行为模型或因果效应识别，故不强行分类。
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…
关注这篇论文的作者
含协变量多臂老虎机问题的非参数估计与随机分配
- 研究问题
- 当每次决策都能观察协变量时，如何估计各臂的条件奖励关系，并在选择当前较佳臂与探索其他臂之间保持适当平衡？
- 方法与思路
- 作者非参数估计奖励与协变量的函数关系，再结合随机化选择行动臂；摘要以直方图等方法说明该分配策略的实现。
- 材料陈述的贡献
- 摘要称，该策略具有强一致性：累计奖励几乎处处与根据协变量选择最佳臂的累计奖励渐近等价。
- 阅读关注点
- 应核对随机化概率的安排、协变量与奖励过程的条件，以及强一致性的归一化定义是否还包含有限样本遗憾界。
- 阅读边界
- 仅依据稿件版本未注明的 OpenAlex 索引摘要；探索规则的具体条件与收敛速度未说明，不能把强一致性等同于有限样本最优。
原文摘要
We study a multi-armed bandit problem in a setting where covariates are available. We take a nonparametric approach to estimate the functional relationship between the response (reward) and the covariates. The estimated relationships and appropriate randomization are used to select a good arm to play for a greater expected reward. Randomization helps balance the tendency to trust the currently most promising arm with further exploration of other arms. It is shown that, with some familiar nonparametric methods (e.g., histogram), the proposed strategy is strongly consistent in the sense that the accumulated reward is asymptotically equivalent to that based on the best arm (which depends on the covariates) almost surely.