引导式测验 · 中等 等级

多臂强盗测验

检查探索、利用、遗憾、epsilon-greedy、UCB 置信度奖励、Thompson 采样和上下文特征。

相关引导路径多武装强盗
问题 1 的 8

多臂老虎机问题的核心权衡在于：

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 多臂老虎机问题的核心权衡在于：
    • 勘探与开发
    • 偏差和方差
    • 准确率和召回率
    • 训练和推理
  2. 在强盗问题中，“遗憾”指的是：
    • 算法使用的内存
    • 累积奖励差距与始终发挥最佳臂力的差距
    • 可用武器数量
    • 训练模型的时间
  3. epsilon-贪婪策略有什么作用？
    • 总是选择平均值最高的手臂
    • 从不探索任何手臂
    • 主要利用最好的手臂，但以概率 epsilon 随机探索
    • 永远拉动每只手臂相同的次数
  4. 置信上限 (UCB) 方法遵循以下原则：
    • 面对不确定性持悲观态度
    • 完全忽略不确定性
    • 仅随机选择
    • 面对不确定性保持乐观
  5. 汤普森采样通过以下方式选择臂：
    • 从每只手臂的后验信念中采样并播放最佳样本
    • 总是选择拉动最少的手臂
    • 按固定循环顺序挑选手臂
    • 最小化训练损失
  6. 上下文强盗与标准强盗有何不同？
    • 它完全忽略了奖励
    • 它利用当前情况的特征来告知选择
    • 它只有一只手臂
    • 它无法随着时间的推移而学习
  7. 在 UCB 中，哪个分支通常会获得更大的探索奖励？
    • 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. 从长远来看，对数后悔增长表明什么？
    • 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