sabo

机器学习

c++(1) 因果推断(2) 技术栈(1) 程序静态分析(1) 算法实践(1) 算法总结(15) 统计(1) 自然语言处理(9) 论文笔记(13) 读书笔记(1) 面经(1) 项目学习(1) 题解(28)

/ 注册

stochastic multi-armed bandits, regret minimization

561 浏览 0 回复 2020-02-16

sabo

+关注

$P(\hat{\mu_{n}}-\mu > \epsilon) = P(\lambda(\hat{\mu_{n}-\mu})>\lambda \epsilon)$

运用Markov inequality

$P(\hat{\mu_{n}} - \mu > \epsilon) \le e^{- \lambda\epsilon}\mathbb{E}[e^{\lambda(\hat{\mu_{n}-\mu})}]$

最后根据 $i.i.d$ 可以得到

$P(\hat{\mu_{n}} - \mu > \epsilon) \le e^{- \lambda\epsilon}\mathbb{E}[e^{\frac{\lambda}{n}(\hat{\mu_{n}-\mu})}]^n$

Hoeffding's equality
图片说明

Stochastic mult-armed bandits
图片说明

在线学习

评论加载中...