Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Majambazi yenye Silaha nyingi

Hukagua uchunguzi, unyonyaji, majuto, uchoyo wa epsilon, bonasi za uhakika za UCB, sampuli za Thompson na vipengele vya muktadha.

Njia za mwongozo zinazohusianaMajambazi wenye Silaha nyingi
Swali 1 ya 8

Biashara kuu katika tatizo la majambazi wenye silaha nyingi ni kati ya:

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Biashara kuu katika tatizo la majambazi wenye silaha nyingi ni kati ya:
    • Uchunguzi na unyonyaji
    • Upendeleo na tofauti
    • Usahihi na kukumbuka
    • Mafunzo na hitimisho
  2. Katika matatizo ya majambazi, 'juto' inarejelea:
    • Kumbukumbu inayotumiwa na algorithm
    • Pengo la nyongeza la zawadi dhidi ya kucheza mkono bora kila wakati
    • Idadi ya silaha zinazopatikana
    • Wakati wa kufundisha mfano
  3. Je, mkakati wa uchoyo wa epsilon hufanya nini?
    • Daima huchagua mkono ulio na maana ya juu zaidi
    • Kamwe hauchunguzi mkono wowote
    • Mara nyingi hutumia mkono bora zaidi lakini huchunguza bila mpangilio na uwezekano wa epsilon
    • Huvuta kila mkono idadi sawa ya nyakati milele
  4. Mbinu ya Upper Confidence Bound (UCB) inafuata kanuni ya:
    • Pessimism katika uso wa kutokuwa na uhakika
    • Kupuuza kutokuwa na uhakika kabisa
    • Uchaguzi wa nasibu pekee
    • Matumaini katika uso wa kutokuwa na uhakika
  5. Sampuli ya Thompson huchagua mkono kwa:
    • Sampuli kutoka kwa imani ya nyuma ya kila mkono na kucheza sampuli bora zaidi
    • Daima kuokota mkono vunjwa angalau
    • Kuokota silaha kwa mpangilio maalum wa duara
    • Kupunguza upotezaji wa mafunzo
  6. Je, jambazi wa muktadha hutofautiana vipi na yule wa kawaida?
    • Inapuuza tuzo kabisa
    • Inatumia vipengele vya hali ya sasa ili kufahamisha uchaguzi
    • Ina mkono mmoja tu
    • Haiwezi kujifunza baada ya muda
  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