Transfer learning for contextual multi-armed bandits
情境多臂老虎机中的迁移学习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：摘要研究一般情境老虎机迁移学习，没有直接涉及所列因果、宏观预测或金融预测问题。
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…
关注这篇论文的作者
情境多臂老虎机中的迁移学习
- 研究问题
- 在协变量漂移下，目标情境老虎机开始学习前收集的源域数据能带来多少遗憾改善，能否适应未知的模型参数？
- 方法与思路
- 作者建立非参数情境老虎机累计遗憾的极小极大速率，提出达到该速率的迁移算法，并在自相似假设下构造自适应算法。
- 材料陈述的贡献
- 摘要称，结果量化源域数据的贡献；附加自相似条件下，数据驱动算法可适应未知参数，保证距最优仅差对数因子。
- 阅读关注点
- 核对源域与目标域的联系、协变量漂移定义、样本量与遗憾速率的关系，以及自相似假设和自适应参数范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体速率、源域可迁移条件和模拟数值未给出，自适应保证依赖额外自相似假设。
原文摘要
Motivated by a range of applications, we study in this paper the problem of transfer learning for nonparametric contextual multi-armed bandits under the covariate shift model, where we have data collected from source bandits before the start of the target bandit learning. The minimax rate of convergence for the cumulative regret is established and a novel transfer learning algorithm that attains the minimax regret is proposed. The results quantify the contribution of the data from the source domains for learning in the target domain in the context of nonparametric contextual multi-armed bandits. In view of the general impossibility of adaptation to unknown smoothness, we develop a data-driven algorithm that achieves near-optimal statistical guarantees (up to a logarithmic factor) while automatically adapting to the unknown parameters over a large collection of parameter spaces under an additional self-similarity assumption. A simulation study is carried out to illustrate the benefits of utilizing the data from the source domains for learning in the target domain.