Asymptotically Optimal Fixed-Budget Best Arm Identification with Variance-Dependent Bounds
方差依赖界下渐近最优的固定预算最佳臂识别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：摘要研究具有潜在结果的自适应多处理臂实验，以及依据处理结果推荐最佳干预的统计方法。
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…
方差依赖界下渐近最优的固定预算最佳臂识别
- 研究问题
- 在固定预算的自适应多处理臂实验中，如何分配观测并推荐处理臂，使最坏情形下的期望简单遗憾尽可能小？
- 方法与思路
- 作者推导由潜在结果方差刻画的渐近下界，并提出两阶段 TS-HIR 策略，以 HIR 估计量推荐最佳臂，再用模拟检验表现。
- 材料陈述的贡献
- 摘要称 TS-HIR 的最坏情形期望简单遗憾首项达到所推导下界，并进一步讨论错误识别概率意义下的渐近最优性。
- 阅读关注点
- 应核对极小极大比较的分布类、两阶段样本分配规则、方差估计要求，以及最优性结论涉及的渐近尺度与首项常数。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未说明分布限制和预算要求，渐近最优不等于任意有限预算都最优。
原文摘要
We investigate the problem of fixed-budget best arm identification (BAI) for minimizing expected simple regret. In an adaptive experiment, a decision maker draws one of multiple treatment arms based on past observations and observes the outcome of the drawn arm. After the experiment, the decision maker recommends the treatment arm with the highest expected outcome. We evaluate the decision based on the expected simple regret, which is the difference between the expected outcomes of the best arm and the recommended arm. Due to inherent uncertainty, we evaluate the regret using the minimax criterion. First, we derive asymptotic lower bounds for the worst-case expected simple regret, which are characterized by the variances of potential outcomes (leading factor). Based on the lower bounds, we propose the Two-Stage (TS)-Hirano-Imbens-Ridder (HIR) strategy, which utilizes the HIR estimator (Hirano et al., 2003) in recommending the best arm. Our theoretical analysis shows that the TS-HIR strategy is asymptotically minimax optimal, meaning that the leading factor of its worst-case expected simple regret matches our derived worst-case lower bound. Additionally, we consider extensions of our method, such as the asymptotic optimality for the probability of misidentification. Finally, we validate the proposed method's effectiveness through simulations.