แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบโจรหลายอาวุธ

ตรวจสอบการสำรวจ การใช้ประโยชน์ ความเสียใจ ความโลภของเอปไซลอน โบนัสความเชื่อมั่นของ UCB การสุ่มตัวอย่างของ Thompson และคุณลักษณะตามบริบท

เส้นทางแนะนำที่เกี่ยวข้องโจรติดอาวุธหลากหลาย
คำถาม 1 ของ 8

ข้อเสียเปรียบหลักในปัญหาโจรที่มีกลุ่มติดอาวุธอยู่ระหว่าง:

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ข้อเสียเปรียบหลักในปัญหาโจรที่มีกลุ่มติดอาวุธอยู่ระหว่าง:
    • การสำรวจและการแสวงหาผลประโยชน์
    • อคติและความแปรปรวน
    • ความแม่นยำและการจดจำ
    • การฝึกอบรมและการอนุมาน
  2. ในปัญหาโจร 'เสียใจ' หมายถึง:
    • หน่วยความจำที่ใช้โดยอัลกอริทึม
    • ช่องว่างรางวัลสะสมเทียบกับการเล่นแขนที่ดีที่สุดเสมอ
    • จำนวนอาวุธที่มีอยู่
    • ถึงเวลาฝึกโมเดล
  3. กลยุทธ์เอปไซลอนโลภทำอะไร?
    • เลือกแขนที่มีค่าเฉลี่ยสูงสุดเสมอ
    • ไม่เคยสำรวจแขนใดๆ
    • ใช้ประโยชน์จากแขนที่ดีที่สุดเป็นส่วนใหญ่ แต่สำรวจแบบสุ่มด้วยความน่าจะเป็นของเอปไซลอน
    • ดึงแขนทุกข้างจำนวนเท่าๆ กันตลอดไป
  4. วิธี Upper Confidence Bound (UCB) เป็นไปตามหลักการของ:
    • การมองโลกในแง่ร้ายเมื่อเผชิญกับความไม่แน่นอน
    • ละเลยความไม่แน่นอนโดยสิ้นเชิง
    • สุ่มเลือกเท่านั้น
    • มองในแง่ดีเมื่อเผชิญกับความไม่แน่นอน
  5. การสุ่มตัวอย่างแบบ Thompson เลือกแขนโดย:
    • สุ่มตัวอย่างจากความเชื่อหลังของแต่ละแขนและเล่นตัวอย่างที่ดีที่สุด
    • ดึงแขนให้น้อยที่สุดเสมอ
    • การเลือกอาวุธตามลำดับแบบวนรอบคงที่
    • ลดการสูญเสียการฝึก
  6. โจรตามบริบทแตกต่างจากโจรมาตรฐานอย่างไร
    • มันละเว้นผลตอบแทนโดยสิ้นเชิง
    • ใช้คุณลักษณะของสถานการณ์ปัจจุบันเพื่อแจ้งตัวเลือก
    • มันมีแขนข้างเดียวเท่านั้น
    • ไม่สามารถเรียนรู้ได้ตลอดเวลา
  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