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
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
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
130
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
おい、エージェントを使って終わらせろ
nwiizo
2
850
C#未経験の僕がAIに読めるコードを書かせるまで
maguroalternative
0
220
C#コードの結合を可視化する Roslyn解析による設計改善と リファクタリング判断
dora56
0
330
AIエージェントの一手は 誰も見ていない - Falco拡張OSS「Prempti」とeBPFで サーバーレス実行基盤を二層防御する
keitah
0
460
AIエージェントを最高のパートナーに育てる方法|評価と判断軸を育てる5つのステップ
koichiaoki
1
160
Slack上でインフラをトラブルシュートする! Agentic Platform Engineeringの第一歩
teru0x1
5
1.8k
時うどん〜Socket.getifaddrsで学ぶネットワーク編 / Tokiudon: The Socket.getifaddrs Edition
coe401_
4
210
なぜ「決定性」が 決定的に重要なのか? Durable Execution 基盤の数理的理解 #serverlessjp / ServerlessDays Tokyo 2026
ytaka23
3
1.1k
え、こんなに早く改修できるの?──新人エンジニアとスクラムマスターの2人が語る、AI×アジャイル開発の現場
ysasago
2
650
AIは推し活である。
kurazuuuuuu
1
940
Oracle Cloud Network Path Analyzerを試してみた/I Tried Out Oracle Cloud Network Path Analyzer
masakiokuda
1
110
Genieを崇めよ
kameitomohiro
0
170
Featured
See All Featured
Context Engineering - Making Every Token Count
addyosmani
9
1.1k
The SEO Collaboration Effect
kristinabergwall1
1
570
The State of eCommerce SEO: How to Win in Today's Products SERPs - #SEOweek
aleyda
2
12k
30 Presentation Tips
portentint
PRO
1
400
Efficient Content Optimization with Google Search Console & Apps Script
katarinadahlin
PRO
1
880
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
31k
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
2
2.9k
So, you think you're a good person
axbom
PRO
2
2.2k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
287
14k
Applied NLP in the Age of Generative AI
inesmontani
PRO
4
2.5k
Reflections from 52 weeks, 52 projects
jeffersonlam
356
21k
The AI Search Optimization Roadmap by Aleyda Solis
aleyda
1
6.2k
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