Esercitazione sul campionamento Thompson

Titolo originale:

A Tutorial on Thompson Sampling

Contenuto del libro:

Il campionamento di Thompson è un algoritmo per problemi di decisione online in cui le azioni vengono intraprese in sequenza in modo da bilanciare lo sfruttamento di ciò che è noto per massimizzare le prestazioni immediate e l'investimento per accumulare nuove informazioni che possono migliorare le prestazioni future.

L'algoritmo affronta un'ampia gamma di problemi in modo efficiente dal punto di vista computazionale e sta quindi godendo di un ampio utilizzo. A Tutorial on Thompson Sampling tratta l'algoritmo e la sua applicazione, illustrando i concetti attraverso una serie di esempi, tra cui problemi di bandito di Bernoulli, problemi di percorso più breve, raccomandazione di prodotti, assortimento, apprendimento attivo con reti neurali e apprendimento per rinforzo in processi decisionali di Markov.

La maggior parte di questi problemi coinvolge strutture informative complesse, in cui le informazioni rivelate dall'esecuzione di un'azione informano le credenze su altre azioni. Si discute anche quando e perché il campionamento di Thompson è o non è efficace e le relazioni con algoritmi alternativi.