多腕盗賊クイズ

クイズに答えると、答えと解説が表示されます。

1. 多腕バンディットの問題における中心的なトレードオフは次の間です。
   • 探索と活用
   • バイアスと分散
   • 精度と再現率
   • トレーニングと推論
2. 山賊問題における「後悔」とは次のことを指します。
   • アルゴリズムが使用するメモリ
   • 累積報酬の差と常に最高のアームでプレイすること
   • 使用可能なアームの数
   • モデルをトレーニングする時期
3. イプシロン貪欲戦略は何をするのでしょうか?
   • 常に平均値が最も高いアームを選択します
   • 決して腕を探さない
   • 主に最高のアームを活用しますが、確率イプシロンでランダムに探索します
   • すべての腕を同じ回数だけ永久に引っ張ります
4. Upper Confidence Bound (UCB) メソッドは、次の原則に従います。
   • 不確実性に直面した悲観主義
   • 不確実性を完全に無視する
   • ランダム選択のみ
   • 不確実性に直面したときの楽観主義
5. トンプソン サンプリングでは、次の方法でアームが選択されます。
   • 各アームの事後信念からサンプリングし、最良のサンプルを再生する
   • 常に最も引っ張られた腕を選ぶ
   • 固定のラウンドロビン順序でアームを選択する
   • トレーニングロスを最小限に抑える
6. コンテキストバンディットは標準バンディットとどう違うのでしょうか?
   • 報酬を完全に無視する
   • 現在の状況の特徴を使用して選択を通知します
   • 腕は一本しかない
   • 時間が経っても学習できない
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