Kuis terkait panduan · Sedang Tingkat

Kuis Multi-Bandit Bersenjata

Memeriksa eksplorasi, eksploitasi, penyesalan, epsilon-serakah, bonus kepercayaan UCB, pengambilan sampel Thompson, dan fitur kontekstual.

Jalur panduan terkaitMulti Bandit Bersenjata
Pertanyaan 1 dari 8

Pertukaran utama dalam masalah multi-strategi adalah antara:

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Pertukaran utama dalam masalah multi-strategi adalah antara:
    • Eksplorasi dan eksploitasi
    • Bias dan varians
    • Presisi dan penarikan kembali
    • Pelatihan dan inferensi
  2. Dalam masalah bandit, 'penyesalan' mengacu pada:
    • Memori yang digunakan oleh algoritma
    • Kesenjangan imbalan kumulatif versus selalu memainkan permainan terbaik
    • Jumlah senjata yang tersedia
    • Waktu untuk melatih model
  3. Apa yang dilakukan oleh strategi serakah epsilon?
    • Selalu pilih lengan dengan mean tertinggi
    • Jangan pernah menjelajahi lengan mana pun
    • Sebagian besar mengeksploitasi lengan terbaik tetapi mengeksplorasi secara acak dengan probabilitas epsilon
    • Menarik setiap lengan dengan jumlah yang sama selamanya
  4. Metode Upper Confidence Bound (UCB) mengikuti prinsip:
    • Pesimisme dalam menghadapi ketidakpastian
    • Mengabaikan ketidakpastian sepenuhnya
    • Hanya pilihan acak
    • Optimisme dalam menghadapi ketidakpastian
  5. Pengambilan sampel Thompson memilih kelompok dengan:
    • Mengambil sampel dari keyakinan posterior masing-masing lengan dan memainkan sampel terbaik
    • Selalu memilih lengan yang paling sedikit ditarik
    • Memilih senjata dalam urutan round-robin tetap
    • Meminimalkan kerugian pelatihan
  6. Apa perbedaan antara bandit kontekstual dan bandit standar?
    • Itu mengabaikan imbalan sepenuhnya
    • Ia menggunakan ciri-ciri situasi saat ini untuk menentukan pilihan
    • Ia hanya memiliki satu lengan
    • Ia tidak bisa belajar seiring berjalannya waktu
  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