Cuestionario vinculado a una guía · Medio Nivel

Prueba de bandidos multiarmados

Comprueba la exploración, la explotación, el arrepentimiento, la avidez de épsilon, los bonos de confianza de UCB, el muestreo de Thompson y las características contextuales.

Rutas de guía relacionadasBandidos armados múltiples
Pregunta 1 de 8

La compensación central en un problema de bandidos con múltiples brazos es entre:

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. La compensación central en un problema de bandidos con múltiples brazos es entre:
    • Exploración y explotación
    • Sesgo y varianza
    • Precisión y recuperación
    • Entrenamiento e inferencia
  2. En problemas de bandidos, "arrepentimiento" se refiere a:
    • La memoria utilizada por el algoritmo.
    • La brecha de recompensa acumulada frente a jugar siempre con el mejor brazo
    • El número de armas disponibles.
    • El momento de entrenar un modelo.
  3. ¿Qué hace la estrategia épsilon-codiciosa?
    • Siempre elige el brazo con la media más alta.
    • Nunca explora ningún brazo.
    • Principalmente explota el mejor brazo pero explora aleatoriamente con probabilidad épsilon.
    • Tira de cada brazo un número igual de veces para siempre.
  4. El método del límite superior de confianza (UCB) sigue el principio de:
    • Pesimismo ante la incertidumbre
    • Ignorar por completo la incertidumbre
    • Sólo selección aleatoria
    • Optimismo ante la incertidumbre
  5. El muestreo de Thompson elige un brazo mediante:
    • Tomar muestras de la creencia posterior de cada brazo y reproducir la mejor muestra.
    • Escoger siempre el brazo que menos tira.
    • Recogiendo brazos en orden fijo por turnos
    • Minimizar la pérdida de entrenamiento
  6. ¿En qué se diferencia un bandido contextual de uno estándar?
    • Ignora las recompensas por completo.
    • Utiliza características de la situación actual para informar la elección.
    • tiene un solo brazo
    • No puede aprender con el tiempo.
  7. In UCB, which arm usually receives a larger exploration bonus?
    • An arm whose sample count is largest
    • An arm with no uncertainty by definition
    • An arm that has been sampled relatively few times
    • An arm with a negative reward only
  8. What does logarithmic regret growth indicate over a long run?
    • The algorithm receives zero reward after each round
    • The best arm changes at every step
    • Exploration stops before the first observation
    • The cumulative gap from always choosing the best arm grows much slower than the number of rounds