Učebnica o Thompsonovom výbere vzoriek

Pôvodný názov:

A Tutorial on Thompson Sampling

Obsah knihy:

Thompsonovo vzorkovanie je algoritmus pre online rozhodovacie problémy, pri ktorých sa akcie vykonávajú postupne tak, že sa musí nájsť rovnováha medzi využívaním toho, čo je známe, na maximalizáciu okamžitého výkonu a investovaním do akumulácie nových informácií, ktoré môžu zlepšiť budúci výkon.

Algoritmus rieši širokú škálu problémov výpočtovo efektívnym spôsobom, a preto sa teší širokému využitiu. A Tutorial on Thompson Sampling sa zaoberá algoritmom a jeho aplikáciou, pričom ilustruje koncepty na mnohých príkladoch vrátane problémov Bernoulliho banditu, problémov najkratšej cesty, odporúčaní produktov, sortimentu, aktívneho učenia s neurónovými sieťami a posilneného učenia v markovských rozhodovacích procesoch.

Väčšina týchto problémov zahŕňa komplexné informačné štruktúry, kde informácie odhalené vykonaním akcie informujú o presvedčeniach o iných akciách. Diskutuje sa v nej aj o tom, kedy a prečo je alebo nie je Thompsonovo vzorkovanie efektívne, a o vzťahoch k alternatívnym algoritmom.