Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Penyamun Pelbagai Bersenjata

Menyemak penerokaan, eksploitasi, penyesalan, epsilon-tamak, bonus keyakinan UCB, pensampelan Thompson dan ciri kontekstual.

Laluan panduan yang berkaitanPenyamun Berbilang Bersenjata
soalan 1 daripada 8

Pertukaran utama dalam masalah penyamun pelbagai senjata adalah antara:

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Pertukaran utama dalam masalah penyamun pelbagai senjata adalah antara:
    • Penerokaan dan eksploitasi
    • Bias dan varians
    • Ketepatan dan ingatan semula
    • Latihan dan inferens
  2. Dalam masalah penyamun, 'menyesal' merujuk kepada:
    • Memori yang digunakan oleh algoritma
    • Jurang ganjaran terkumpul berbanding sentiasa memainkan lengan terbaik
    • Bilangan senjata yang ada
    • Masa untuk melatih model
  3. Apakah yang dilakukan oleh strategi tamak epsilon?
    • Sentiasa memilih lengan dengan min tertinggi
    • Tidak pernah meneroka mana-mana lengan
    • Kebanyakannya mengeksploitasi lengan terbaik tetapi meneroka secara rawak dengan epsilon kebarangkalian
    • Menarik setiap lengan dengan bilangan yang sama selama-lamanya
  4. Kaedah Upper Confidence Bound (UCB) mengikut prinsip:
    • Pesimisme dalam menghadapi ketidakpastian
    • Mengabaikan ketidakpastian sepenuhnya
    • Pemilihan rawak sahaja
    • Optimisme dalam menghadapi ketidakpastian
  5. Persampelan Thompson memilih lengan dengan:
    • Persampelan daripada kepercayaan posterior setiap lengan dan memainkan sampel terbaik
    • Sentiasa memilih lengan yang ditarik paling sedikit
    • Memilih senjata dalam susunan round-robin tetap
    • Meminimumkan kehilangan latihan
  6. Bagaimanakah penyamun kontekstual berbeza daripada yang standard?
    • Ia mengabaikan ganjaran sepenuhnya
    • Ia menggunakan ciri situasi semasa untuk memaklumkan pilihan
    • Ia hanya mempunyai satu lengan
    • Ia tidak boleh belajar dari semasa ke semasa
  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