[論文紹介] PG-TS: Improved Thompson Sampling for Logistic Contextual Bandits

NeurIPS'2018 の論文紹介．
Logistic Contextual Bandit 問題への方策としての，Polya-Gamma Augmentation を利用した Thompson Sampling について．

Transcript

1. PG-TS: Improved Thompson Sampling for Logistic Contextual Bandits 論⽂紹介．Kumpei Yamada 1
2. Info NeurIPS'18 https://papers.nips.cc/paper/2018/file/ce6c92303f38d297e263c7180f03d402- Paper.pdf 2
3. Overview Logistic Contextual Bandit 問題への Thompson Sampling ⽅策の適⽤． Polya-Gamma Augmentation を⽤いて近似を避けた Fully Bayes なモデルの採⽤． 3
4. Logistic Contextual Bandit Problem In the case of logistic regression for binary rewards, the posterior derived from this joint probability is intractable. 4
5. Bandit Problem おなじみの． 複数の選択肢 (アーム) があるときに，探索と活⽤によって オンラインで regret 最⼩化を⽬指したい． Thompson Sampling はひとつの⽅策で，報酬 (ex. CTR) の事後分布からのサンプリングが⾼いアームを選ぶことを 繰り返す． 5
6. Logistic Contextual Bandit Problem 異なる context (ex. user 属性，item 属性) に基づいて事前分布を変えたい． 時系列インデックス ，アーム ， 次元のコンテキスト ，推定 & 観測される報酬 ，既知分散 ，次元 の単位⾏列 として，以下のように のモデルを考える． θα p(r = 1) t,α θ ∣ {r } α t,α ∼ N(0, σ I ) 0 2 d = 1 + exp(θ x ) α T t,α exp(θ x ) α T t,α ∼ N(μ, Σ) ここで，解析的には扱えない をどう計算するか？ t α d x t,α r t,α σ, σ 0 d Id θ α μ, Σ 6
7. 既存⼿法: Laplace-TS ニュートン法で MAP 推定した上で，その周りでヘッセ⾏列 を⽤いて2次近似． θ ∣ α {r } ∼ t,α N( , (H ( )) ) θ ^ α MAP t θ ^ α MAP −1 結構めちゃくちゃな事後分布なので，これを Full Bayes なモデリングに落とし込みたい． H t 7
8. Logistic Regression with PG Augmentation Polson et al. (2013) 8
9. Polya-Gamma distribution の密度は，独⽴な を⽤いて以下． p(ω ∣ b > 0, c ∈ R) = 2π2 1 k ∑ ∞ (k − 1/2) + c /(4π ) 2 2 2 g k PG(b, c) ω ∼ PG(b, c) g ∼ k Gamma(b, 1) 9
10. 便利な特徴がある． として以下が成り⽴つ． (1 + e ) ψ b (e ) ψ a p(ω ∣ ψ) = 2 e e p(ω)dω −b κψ ∫ 0 ∞ −ωψ /2 2 = PG(b, ψ) ・・・(eq.1) ・・・(eq.2) ψ, a ∈ R, κ = a − b/2, ω ∼ PG(b, 0) 10
11. Logistic Regression with PG augmentation あるアーム，あるユーザについて，Logistic Contextual Bandit 問題の 回⽬のベルヌーイ試 ⾏の尤度 は，観測 のときに， L (θ) = i 1 + exp(θ x) T exp(θ x) T r i L (θ) i r ∈ {0, 1} 11
12. ここで唐突に を導⼊すると， として， より， L (θ) i = 1 + exp(θ x) T exp(θ x) T r = 2 exp(κθ x) exp(−ω(θ x) /2)p(ω)dω −1 T ∫ 0 ∞ T 2 = 2 exp(κθ x)E exp(−ω(θ x) /2) −1 T p(ω) [ T 2 ] ω ∼ PG(1, 0) κ = r − 1/2 (eq.1) 12
13. さらに， で条件付けると，期待値が定数になって， L (θ ∣ ω) i = 2 exp(κθ x)E exp(−ω(θ x) /2) ∣ ω −1 T p(ω) [ n T 2 ] = 2 exp(κθ x) exp(−ω(θ x) /2) −1 T T 2 ∝ exp(− (θ x − κ/ω) ) 2 ω T 2 ω 13
14. つまり，事前分布 がガウス分布のとき，事後分布 もガウス分布． p(θ ∣ ω, r) ∝ p(θ)L (θ ∣ ω, r) i ∝ p(θ) exp(− (θ x − κ/ω) ) 2 ω T 2 潜在変数 を介して事後分布を解析的に扱えるようになったね！ p(θ) p(θ ∣ ω, r) ω 14
15. Model θ ω ∣ θ i θ ∣ {ω }, {r } i i ∼ N(b, B) ∼ PG(1, θ x ) T i ∼ N(m , V ) ω ω Notation i X κ Ω Vω mω ∈ {1, ..., t} = [x , ..., x ] 1 t = [κ , ..., κ ] = [r − 1/2, ..., r − 1/2] 1 t 1 t = diag(ω , ..., ω ) 1 t = (X ΩX + B ) T −1 −1 = V (X κ + B b) ω T −1 15
16. PG-TS やっとタイトルの内容 16
17. Gibbs-Sampling 以下を繰り返す． のサンプリング のサンプリング を最⼤化するアームを選択 観測値 のフィードバック 各 sampling において，初期値の影響を取り除 くために burn-in の期間を設ける(optional) ω ∣ t θ t−1 θ ∣ t ω , r t t−1 θ x t T r t 17
18. PG-TS burn-in 期間を設定して， のサンプリングを採⽤． 経験的に設定． PG-TS-stream burn-in 期間を設けず， のサンプリングを採⽤． 計算量を重視する場合はこれを採⽤すればよい． M = 100 M = 1 18
19. Computational Cost 以下の の密度には の無限和が含まれていて，サンプリングは難しそう？ p(ω ∣ b > 0, c ∈ R) = 2π2 1 k ∑ ∞ (k − 1/2) + c /(4π ) 2 2 2 g k 実は効率的な sampler がある． Saddlepoint Approximation 分布を左右で分割して，左を逆ガウス分布，右をガンマ分布で近似している (っぽい) R の BayesLogit パッケージにはすでに実装があり， でこの実装が使われる． PG(b, c) g k b > 13 19
20. Results 20
21. Forest Cover Type Data ⽣息する⽊の種類の推定のオフライン評価． context は11次元の地域の特徴で，32アームから選択する問題． 累積 regret の⽐較で，GLM-UCB, Laplace-TS を⼤きく改善した．PG-TS-stream よりも PG-TS のほうがわずかに優位．(Laplace-TS 探索しなすぎでは…) 21
22. News Article Recommendation Yahoo! の公開ベンチマークを⽤いたオフライン評価． context は6次元の記事の特徴 (not user features) 20程度のニュース記事から CTR の⾼いひとつを選ぶ問題． CTR の⽐較で，Laplace-TS と PG-TS-stream に対して PG-TS が優位． 22
23. 所感 Polson et al. (2013) の Polya-Gamma Augmentation という事後分布計算がそもそも⾰新的 でスゴイ． 全体的に扱いやすそうなモデルで，実績データのバッチ更新も可能なのでアーキテクチャに も落とし込みやすそう． オンラインでの計算量を考えると，特徴の次元と burn-in 期間にはある程度制約が出てきそ う． 各⾔語でのサンプラー実装はまだ発展途上っぽい． 23
24. refs N. G. Polson, J. G. Scott, and J. Windle. Bayesian inference for logistic models using Pólya- Gamma latent variables. Journal ofthe American statistical Association, 108(504):1339–1349, 2013. ↑ の 解説ブログがわかりやすい． 24