Викторина, связанная с руководством · Средний Уровень

Викторина «Многорукие бандиты»

Проверяет исследование, эксплуатацию, сожаление, эпсилон-жадность, бонусы доверия UCB, выборку Томпсона и контекстуальные функции.

Связанные направляющие путиМногорукие бандиты
Вопрос 1 из 8

Главный компромисс в проблеме многорукого бандита заключается в следующем:

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Главный компромисс в проблеме многорукого бандита заключается в следующем:
    • Разведка и эксплуатация
    • Смещение и дисперсия
    • Точность и отзыв
    • Обучение и вывод
  2. В бандитских проблемах «сожаление» относится к:
    • Память, используемая алгоритмом
    • Совокупный разрыв в вознаграждении по сравнению с всегда игрой с лучшей рукой
    • Количество доступного оружия
    • Время тренировать модель
  3. Что делает эпсилон-жадная стратегия?
    • Всегда выбирает руку с самым высоким средним значением
    • Никогда не исследует руку
    • В основном использует лучшую руку, но исследует случайным образом с вероятностью эпсилон.
    • Всегда тянет каждую руку одинаковое количество раз.
  4. Метод верхней доверительной границы (UCB) основан на следующем принципе:
    • Пессимизм перед лицом неопределенности
    • Полностью игнорируя неопределенность
    • Только случайный выбор
    • Оптимизм перед лицом неопределенности
  5. Выборка Томпсона выбирает группу по:
    • Выборка из апостериорного доверия каждой руки и воспроизведение лучшего образца
    • Всегда выбираю ту руку, которую тянут меньше всего
    • Выбор оружия в фиксированном круговом порядке
    • Минимизация потерь на обучение
  6. Чем контекстный бандит отличается от стандартного?
    • Он полностью игнорирует награды
    • Он использует особенности текущей ситуации для информирования о выборе.
    • У него только одна рука
    • Он не может учиться со временем
  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