Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
バンディット問題の理論とアルゴリズム 第8章 / bandit-8
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
todesking
December 27, 2019
Technology
140
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
バンディット問題の理論とアルゴリズム 第8章 / bandit-8
todesking
December 27, 2019
More Decks by todesking
See All by todesking
自作言語進捗 2020 Mar / ojaml-2020-mar
todesking
0
480
オンライン広告におけるCTR/CVR推定関係の論文を30本くらい雑に紹介する / rtb-papers-ctr
todesking
3
1.8k
オンライン広告関連の論文を50本くらい雑に紹介する AdKDD編 / adkdd-all
todesking
4
2.5k
バンディット問題の理論とアルゴリズム 第二章 / bandit2
todesking
0
200
自作言語進捗 2019 May / ojaml-2019-may
todesking
0
980
自作言語進捗 2019 Mar
todesking
0
550
ベイズ統計モデリング 10 // Doing Bayesian Data Analysis Chapter 10
todesking
0
140
実行時におけるJVMバイトコード最適化手法
todesking
16
13k
Other Decks in Technology
See All in Technology
Claude Designがめちゃくちゃ便利なので使ってほしい
diggymo
0
190
営業オントロジーの作り方と、エージェントからの辿り方 ── ナレッジワークの現場から
kworkdev
PRO
1
230
LLM機能を自作して分かるSnowflake Cortex AIの強み
nayuts
0
160
【ゲームメーカーズスクランブル2026】『Shadowverse: Worlds Beyond』UIとアニメーションで実現する最高のユーザー体験を叶えるプロトタイピング
cygames
PRO
1
710
IR Today: Theory, Practice, and Agents
dtunkelang
0
320
OpenClawでAzure DevOpsのWiki更新を自動化する - クラウドAIだけでは届かない場所へ
yutakaosada
0
140
企業の現実世界をグラフで写し取る
sansantech
PRO
0
240
個別開発で終わらせない。 現場の課題をプロダクトの強さに変える StockmarkのFDE
ktkrhr
0
530
[2026-09-30]ロックンロールは鳴り止まないっ - 信頼性かまってちゃん - 「データ駆動を投げ捨ててまで。」追いかける信頼性改善に向けた取り組みの話
tosite
0
180
1人アドミンな私はAWSアカウント申請をSlackで完結したい!
ysuzuki
0
110
セルフサービスのオブザーバビリティ基盤をOpenTelemetryで作る / Building a Self-Service Observability Platform with OpenTelemetry
ymotongpoo
3
510
全社共通データ基盤をつくる。ソニーのDatabricks活用とデータガバナンス設計の裏側
sony
0
290
Featured
See All Featured
Paper Plane (Part 1)
katiecoart
PRO
2
11k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
203
76k
What the history of the web can teach us about the future of AI
inesmontani
PRO
1
720
Digital Ethics as a Driver of Design Innovation
axbom
PRO
1
440
From Legacy to Launchpad: Building Startup-Ready Communities
dugsong
0
340
How to optimise 3,500 product descriptions for ecommerce in one day using ChatGPT
katarinadahlin
PRO
3
3.8k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
38
3k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
17k
HTML-Aware ERB: The Path to Reactive Rendering @ RubyCon 2026, Rimini, Italy
marcoroth
5
750
Reality Check: Gamification 10 Years Later
codingconduct
0
2.3k
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
960
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
35
2.9k
Transcript
όϯσΟοτͷ ཧͱΞϧΰϦζϜ 8ষ @todesking
࿈ଓόϯσΟοτͱ ϕΠζ࠷దԽ wબࢶ͕࣮ͷϕΫτϧͰ͋ΔΑ͏ͳ߹ͷόϯσΟοτ wऔΕΔߦಈͷू߹ w࣌ࠁ Ͱͷߦಈ wߦಈ
ʹର͢Δใुظ w࠷దͳߦಈ w ͷܗঢ়ະɺ ͷબࢶ࣮࣭తʹແݶͱ͍͏աࠅ ͳঢ়گ ⊂ ℝd t at ∈ a f(a) a* = argmaxa∈ f(a) f(a) a
ࡶԻ wࡶԻͳ͠Ϟσϧ wࡶԻ͋ΓϞσϧ w͜ͷষͰ ͷࡶԻ͕ΔϞσϧΛߟ͑Δ wࡶԻͳ͠Ϟσϧͷ߹ɺ ճͷ୳ࡧͰ࣮֬ʹ ͕Θ͔Δͨ
Ίɺ ͷ߹Λߟ͑Δͷ͕ຊ࣭త wྫ.-ϞσϧͷϋΠύʔύϥϝʔλΛ ɺMFBWFPOFPVU$7 ͷ݁ՌΛ ͱ͢Δɻ wਅ໘ʹ-00$7͢ΔͳΒޡࠩͳ͠Ϟσϧ wҰ෦ͷαϯϓϧ͚ͩͰ$7͢ΔͳΒޡࠩ͋ΓϞσϧ Xt = f(at ) Xt = f(at ) + ϵt , E[ϵt ] = 0 ϵt ∼ (0,σ2) || a* || = ∞ a f(a)
࿈ଓόϯσΟοτʹ͓͚Δ ϦάϨοτ w wใु࠷େͷબࢶΛબͼଓ͚ͨ߹ͱ࣮ࡍͷใुͷࠩ wྦྷੵใु࠷େԽΛతͱ͢Δ w୯७ϦάϨοτ w ࣌ࠁ
ʹ͓͍ͯͬͱใुظ͕ଟ͍ߦಈ w࠷େͷใुͱ࠷ऴతʹબΕͨߦಈͷใुͷࠩ wࡶԻͳ͠Ϟσϧͷ߹ɺ w࠷దࣝผΛతͱ͢Δ regret(T) = T ∑ t=1 (f(a*) − f(at )) Δ(T) = f(a*) − f( ̂ a*(T)) ̂ a*(T) T Δ(T) = f(a*) − max i∈{1,…,T} f(at )
ظؔͷΫϥε w Ϧϓγοπ࿈ଓͳͲ ͠Β͘ग़ͯ͜ͳ͍ͷͰޙ ճ͠
ϕΠζ࠷దԽ wΨεաఔΛԾఆͯ͠࠷దࣝผΛղ͘ w࠷ѱ࣌ͷੑೳʹ͍ͭͯఘΊͯɺʮฏۉతͳʯέʔεʹ ͓͍ͯΑ͍ੑೳΛ༩͑Δํࡦ wใुظ ͕Ψεաఔʹै͏ͱͯ͠ɺϦάϨοτ ୯७ϦάϨοτΛ࠷దԽ͢Δํࡦ wલఏͱͯ͠Ψεաఔ͕ඞཁͳͷͰઌʹઆ໌͠·͢ f(a)
༧උࣝ: Ψεաఔ wࠓ·Ͱͷߦಈ͓Αͼใु Λݩʹɺߦಈ ʹΑͬͯಘΒΕΔ ใुͷظ͕ै͏ ΛٻΊ͍ͨ wΨεաఔΛ͏͜ͱͰ͜ͷ͕ܭࢉՄೳ wҎ߱ͷํࡦ (16$#ɺτϯϓιϯɺظվળྔ
ͷલఏͱͳΔ wࢀߟจݙΨεաఔͱػցֶश ػցֶशϓϩϑΣογϣφϧ γϦʔζ at , Xt a P[f(a) = x|at , Xt ]
Ψεաఔ: త w؍ଌ͞Εͨσʔλ͔Βɺະͷؔ Λਪఆ͍ͨ͠ wೖྗ wݶΒΕͨσʔλ͔Βͷਪఆ݁Ռෆਖ਼֬ wˠ৴པΛ֬Ͱද͍ͨ͠ wؔͦͷͷͰͳ͘ɺͦͷ ΛٻΊΔ
f(x) : ℝd → ℝ X = {x1 , ⋯, xn }, y = {f(x1 ), ⋯, f(xn )} P[f |X, y] https://www.ism.ac.jp/~daichi/lectures/H26-GaussianProcess/gp-lecture2-daichi.pdf ؍ଌσʔλ(ेࣈ)Λݩʹ༧ଌ͞Εͨyͷɻ ظ͕࣮ઢɺ৴པ͕۠ؒ੨͍ྖҬͰࣔ͞Ε͍ͯΔ
Ψεաఔ: ʹ͍ͭͯͷԾఆ f w؍ଌσʔλ͔Β ͷΛٻΊΔʹԿΒ͔ͷԾఆ͕͍Δ wԾఆ جఈؔ ʹΑΔҰൠԽઢܕϞσϧ Ͱ͋Γɺࣄલ
Ͱ͋Δ w͋Δ ʹର͢Δ ͷɺ Λͬͯ ͱॻ͚Δ w͜ͷͱ͖ɺ ଟมྔΨεʹै͍ɺ Ͱ͋Δ wΧʔωϧؔ Λ༻͍Δͱ ͱॻ͚Δ f f ϕ(x) = (ϕ1 (x), …, ϕd (x)) f(x) = wTϕ(x) P(w) = (0, α−1I) X = (x1 , …, xN )T y = ( f(x1 ), …, f(xn ))T Φ = ϕ1 (x1 ) … ϕd (x1 ) ⋮ ⋱ ⋮ ϕ1 (xN ) … ϕd (xN ) y = Φw y y = (0, α−1ΦΦT) k(xn , xm ) = α−1ϕ(xn )Tϕ(xm ) y = (0, k(x1 , x1 ) ⋯ k(x1 , xN ) ⋮ ⋱ ⋮ k(xN , x1 ) ⋯ k(xN , xN ) )
Ψεաఔ: ༧ଌ w ͕؍ଌ͞Ε͍ͯΔঢ়ଶͰɺ ͷΛٻ Ί͍ͨ wؔͷͱԿ͔ҙͷ ʹରͯ͠ɺ ͷಉ࣌ ͕Θ͔Ε
ͷ͕Θ ͔ͬͨ͜ͱʹͳΔ wଟมྔΨεͷ͖݅ʹΑͬͯٻΊΒΕΔ w ͱͯ͠ɺ Ͱ͋Δͱ͖ɺ ʹͳΔ wະͷ ͷΛطͷ Ͱදݱ͢Δ͜ͱ͕Ͱ͖ͨ X = {x1 , ⋯, xn }T, y = {f(x1 ), ⋯, f(xn )}T f X* = {x* 1 , …, x* M }T y* = {f(x* 1 ), ⋯, f(x* M )}T P[y*|X*, X, y] f K(n, m) = k(xn , xm ) k* (n, m) = k(xn , x* m ) k** (n, m) = k(x* n , x* m ) ( y y*) ∼ ( 0, ( K k* kT * k** )) P[y*|X*, X, y] = (kT * K−1y, k** − kT * K−1k*) y* X*, X, y
ϕΠζ࠷దԽ: Χʔωϧ wόϯσΟοτຊʹΔ wΧʔωϧͷબ wਖ਼ఆΧʔωϧؔ ʹରͯ͠ ͱ͢Δͷ͕Ұൠ త w
wεέʔϧύϥϝʔλ ΛͱΔ wΨεΧʔωϧ wΨεΧʔωϧͷҰൠԽͰ͋ΔϚλʔϯΧʔωϧ wઢܗΧʔωϧ Λ༻ͨ͠߹ઢܗόϯσΟοτ ষ ͱಉ g k(a, a′ ) = σ2 0 g(∥a − a′ ∥λ ) ∥a∥λ = d ∑ i=1 ai /λ2 i λ g(z) = exp(−z2/2) k(a, a′ ) = σ2 0 aTa′
࿈ଓόϯσΟοτͷํࡦ: GP-UCB w ͕Ψεաఔʹै͏ͱͨ͠߹ɺࠓ·Ͱͷ݁Ռ͔Βߦಈ ͰಘΒΕΔ ใु ͷฏۉ ͱࢄ ͕ܭࢉՄೳ wϕΠζ৴པ۠ؒͷ্ݶ
ͱͳΔ w ৴པ w֤࣌ࠁͰ Λ࠷େԽ͢Δ ΛબͿํࡦ͕(16$# wϦάϨοτΛ࠷খԽͤ͞Δͷ͕త͕ͩɺ Λେ͖͘औΔͱ୯७Ϧά Ϩοτͷ࠷খԽʹରԠՄೳ w ΨεΧʔωϧ w ࣍ ͷϚλʔϯΧʔωϧ f a f(a) μ(a|Xt ) σ(a|Xt ) ¯ μa (t) = μ(a|Xt ) + αt σ(a|Xt ) αt ̂ μa (t) a αt regret(T) = O ( T(log T)d+2 ) regret(T) = O (T ν + d(d + 1) 2ν + d(d + 1) log T) 1 < ν < ∞
࿈ଓόϯσΟοτͷํࡦ: τϯϓιϯநग़ wΨεաఔΛલఏͱ͍ͯ͠ΔͨΊɺ ͷ͕ಘΒΕΔ wՄೳͳߦಈ ΛࢄԽ͠ɺ༗ݶͷީิ ʹରͯ͠ ͷ ΛαϯϓϦϯά͠ɺ࠷େͱͳΔߦಈΛબͿ wΨεաఔΛͬͨํࡦʹڞ௨͢Δಛͱͯ͠ɺ
࣍ݩߦྻ ʹؔ͢Δܭࢉ͕ඞཁࢼߦ͕ଟ͘ͳΔͱܭࢉྔ͕૿͢ w ͷܭࢉྔφΠʔϒʹͬͯ wۙࣅ͢ΕݮΒͤ͢Δ w3BUFTPG$POWFSHFODFGPS4QBSTF7BSJBUJPOBM (BVTTJBO1SPDFTT3FHSFTTJPO*$.-#FTUQBQFS wઢܗόϯσΟοτʹ͓͍ͯ͜ͷ͕ͳ͍͔ΘΓʹɺແݶ ࣍ݩΛѻ͑ͳ͍ f(a) a′ s f(a ∈ a′ s ) t K−1 O(N3)
࿈ଓόϯσΟοτͷํࡦ: ظվળྔํࡦ wΨεաఔʹ͓͍ͯ୯७ϦάϨοτͷ࠷খԽΛࢦ͢ํࡦ w ճͷߦಈͷதͰҰ൪ྑ͔ͬͨใु w ճͷߦಈޙͷ୯७ϦάϨοτ w࣌ࠁ5ʹ͓͚Δ࠷దߦಈ
wظվળྔ wߦಈ ʹΑͬͯɺࠓ·Ͱ؍ଌ͞Εͨ࠷େ͔ΒͲΕ͚ͩվળ͞ΕΔ͔ ͷظ w ͕࠷େʹͳΔબࢶΛબͿ T ̂ f* T = max{f(aT ), ̂ f* T−1 } T Δ(T) = f(a*) − ̂ f* T ̂ aT = argmaxa∈ E[max{f(a), ̂ f* T−1 }| f(aT−1 )] = argmaxa∈ E[max{f(a) − ̂ f* T−1 ,0}| f(aT−1 )] EI(a| f(at )) = E[max{f(a) − ̂ f* t ,0}| f(at )] a EI(a| f(at ))
ଟ߲ࣜ࣌ؒͰ࣮ߦՄೳͳํࡦ w͚ͩ͜͜Ψεաఔؔͳ͍ͷͰޙճ͠
ڞࢄؔͷύϥϝʔλਪఆ wΨεաఔΛ͏߹ɺڞࢄؔʹͲͷΧʔωϧΛ͏͔ɺϋΠ ύʔύϥϝʔλΛͲ͏͢Δ͔ͱ͍ͬͨબ͕ඞཁ wڞࢄؔΛܾఆ͢ΔͨΊͷύϥϝʔλ εέʔϧύϥϝʔλɺΧʔ ωϧͷछྨɺΧʔωϧͷύϥϝʔλɺ؍ଌϊΠζͷࢄ Λڞࢄύ ϥϝʔλ ͱ͢Δ w࣌ࠁ
Ͱͷ ͷɺ ͷͱͰͷڞࢄؔ Λͬͯ ͱͳΔ θ t θ θ k(θ) L(θ; Xt ) = 1 (2π)ddet(k(θ)(at , at ) + σ2Id ) exp( 1 2 Xt (k(θ)(at , at ) + σ2Id )−1XT t )
ڞࢄؔͷύϥϝʔλਪఆ w࣌ࠁ ʹ͓͚Δߦಈ Λܾఆ͢Δࡍɺ Λ ༻͍Δํࡦ wಛʹ ͕খ͍͞͏ͪɺਅ͔Β͔͚ΕͨྖҬʹਪఆ͕ऩଋ ͢Δ߹͕͋Δ w&*ํࡦͷ߹ɺ
Ͱ࠷ѱ࣌Ͱ୯७ϦάϨοτ͕ʹऩଋ ͠ͳ͍ wແݶʹࢼߦͯ͠ਖ਼͍͕͑͠ಘΒΕͳ͍ʜʜ wڞࢄύϥϝʔλʹؔ͢ΔࣄޙฏۉΛͱΔํࡦ wԿΒ͔ͷείΞؔ Λ࠷େԽ͢Δ Λબͼ͍ͨ߹ wࣄલ ௨ৗҰ༷ Λஔ͖ɺ Λ࠷େ Խ͢Δ ΛબͿ t + 1 at+1 ̂ θt = argmaxθ∈Θ L(θ; Xt ) t t → ∞ uθ (a) a π(θ) Eθ∼π(θ|Xt ) [uθ (a; Xt )] a
ଟ߲ࣜ࣌ؒͰ࣮ߦՄೳͳํࡦ: ׂۭؒʹجͮ͘SOOํࡦ wΨεաఔͰͳ͍ͭ w؍ଌؔʹର͢Δଟ߲ࣜ࣌ؒͰ࣮ݱՄೳ͔ͭ୯७Ϧά Ϩοτͷऩଋ͕อূՄೳͳํࡦ w͜͜ͰΑ͏͘Β͔͞ͷ੍͕ग़ͯ͘Δ w ࠷ద ɺ͋Δ
ͱͯ͢ͷ ʹ͓͍ ͯɺ Λຬͨ͢ a* c, a > 0 a ∈ f(a*) − f(a) ≤ c∥a* − a∥α
SOOํࡦ wՄೳͳߦಈͷۭؒΛׂ͠ɺͦΕͧΕͷྖҬͷதΛߦ ಈͱͯ͠બ wಘͨใुΛݩʹɺΑͦ͞͏ͳ෦ۭؒͷީิΛબ͠ɺ ࠶ؼతʹׂ͍ͯ͘͠ wͳΜͰ͏·͍͘͘ͷ͔ཧղͯ͠ͳ͍ʜʜݩؾ͕͋ͬͨΒ ޱ಄ͰΓ·͠ΐ͏