Quiz lié à un guide · Moyen Niveau

Quiz sur les bandits multi-armés

Vérifie l'exploration, l'exploitation, le regret, l'epsilon-gourmand, les bonus de confiance UCB, l'échantillonnage Thompson et les fonctionnalités contextuelles.

Chemins de guidage associésBandits multi-armés
Question 1 de 8

Le compromis central dans un problème de bandit multi-armé se situe entre :

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Le compromis central dans un problème de bandit multi-armé se situe entre :
    • Exploration et exploitation
    • Biais et variance
    • Précision et rappel
    • Formation et inférence
  2. Dans les problèmes de bandits, le « regret » fait référence à :
    • La mémoire utilisée par l'algorithme
    • L’écart de récompense cumulatif par rapport au fait de toujours jouer avec le meilleur bras
    • Le nombre d'armes disponibles
    • Le temps de former un modèle
  3. À quoi sert la stratégie epsilon-gourmande ?
    • Choisit toujours le bras avec la moyenne la plus élevée
    • N'explore jamais aucun bras
    • Exploite principalement le meilleur bras mais explore au hasard avec probabilité epsilon
    • Tire chaque bras un nombre égal de fois pour toujours
  4. La méthode Upper Confidence Bound (UCB) suit le principe suivant :
    • Pessimisme face à l'incertitude
    • Ignorer complètement l’incertitude
    • Sélection aléatoire uniquement
    • Optimisme face à l'incertitude
  5. L'échantillonnage de Thompson choisit un bras en :
    • Échantillonnage de la croyance postérieure de chaque bras et lecture du meilleur échantillon
    • Choisir toujours le bras le moins tiré
    • Sélection des armes dans un ordre circulaire fixe
    • Minimiser la perte de formation
  6. En quoi un bandit contextuel diffère-t-il d’un bandit standard ?
    • Il ignore complètement les récompenses
    • Il utilise les caractéristiques de la situation actuelle pour éclairer le choix
    • Il n'a qu'un seul bras
    • Il ne peut pas apprendre avec le temps
  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