kujira16 https://blog.hatena.ne.jp/kujira16/ くじらにっき++ https://kujira16.hateblo.jp/ 前回 kujira16.hateblo.jp 問題設定 行ったのはHondaらのAISTATS 2014の論文 [1] の中の実験の追試で，報酬が , の正規分布に従うアームと , の正規分布に従うアームがそれぞれ1本ずつあるという設定の多腕バンディット問題です。 原理 最初にパラメータ を -1/2, 0, 1/2 あたりの値に設定します。 については後述します。 Thompson Samplingを始める前に，まずそれぞれのアームを 回引いておきます。このとき得られた報酬も個々のアームについて記録しておきます。 この後からは，個々のアーム についてStudentの 分布 から乱数を発生させ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkujira16.hateblo.jp%2Fentry%2F2017%2F05%2F03%2F233551" title="報酬が分散未知の正規分布に従うときのThompson Sampling - くじらにっき++" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://images-fe.ssl-images-amazon.com/images/I/51yD20bFEYL._SL160_.jpg Hatena Blog https://hatena.blog 2017-05-03 23:35:51 rich https://kujira16.hateblo.jp/entry/2017/05/03/233551 1.0 100%