6章 最適腕識別とA/Bテスト

6章 最適腕識別とA/Bテスト

　機械学習プロフェッショナルシリーズ勉強会「バンディット問題の理論とアルゴリズム」発表担当  VOYAGE GROUP 中野智文

自己紹介•中野智文• VOYAGE GROUP•広告データの分析

•その前は•質問応答システム•検索ランキングアルゴリズム•教育のための機械学習・統計•将棋

最適腕識別と A/Bテスト•最適腕識別 (best arm identification)•累積報酬の最大化ではなく、（将来の）報酬が最大の腕を識別すること

•最適腕識別において、 K=2 (腕の数が 2)のとき、• A/Bテストとよぶ

•ただし一般の「バンディット問題」では最適腕識別を含むことがある

6.1 A/Bテスト定式化腕の番号 :

報酬の期待値 :

期待値最大の腕 :

最大と二番手の差 :

固定予算時刻：

報酬：(最大腕 )推定：誤り確率(誤識別率 )：

時刻 tに引いた腕：

固定信頼度誤識別率が  δ 以内であると確信できるまで。

を満たしつつを最小化する

次を満たす停止規則を設定する必要がある

6.1.1 累積報酬最大化との違い•累積報酬最大化：•選択の殆どが期待大と推定される腕に•誤識別率は Tに対して多項式オーダー

• A/Bテスト：•全ての腕に同程度•誤識別率は Tに対して指数オーダー

例 6.1参照

例 6.1 メモ腕を均等に引く場合の誤識別率：

→多項式的な減衰KL-UCBの誤識別率 :

→指数的な減衰

6.1.2 ε-最適腕識別•本質的に解決不可能•例 : μ = 0.501, 0.5

• ε最適腕識別 :•期待値が↓以上の腕を識別する 　　　

μ = 0.501, 0.5, 0.1 の例　メモ

0.501 と  0.5の誤識別率0.5 と  0.1のサンプルサイズ

n3は全体の

標本複雑度

必要なサンプルサイズ（本にはサンプル数とありますが…）

メモ•偶然      　　　  になる確率•ヘフディングの不等式によると、サンプルサイズが少なくとも

•ないと、               未満という仮説を棄却できない•それ以外も同様な話

6.3 最適腕識別の方策•信頼上限 (UCB; upper confidence bound)•信頼下限 (LCB; lower confidence bound)も使う•最も期待値の高い腕の信頼下限•よりそれ以外の全ての（信頼上限―

ε）が小さければ終了•より信頼上限が小さい腕は排除

•探索候補腕全試し

信頼上限と信頼下限信頼上限

信頼下限

6.3.2 スコアに基づく方法• 1番手の下限と、 2番手の上限の差が広がるように、 1番手と 2番手のみを引く。

UGapE方策では、期待値が大きい方ばかり選ばれる可能性があるので、サンプルサイズの小さい方を選ぶ。

6.4 固定予算の設定

もし　　　　　　　　　　　ならば、誤識別率を

で抑えることが出来るが、 Hεを知らない。つまり固定予算は未解決

雑感• LUCB方策で用いる信頼区間を変えたい•上下対称なので、修正Wald法や、Wilson score interval などにした方が良さそう

•動的な ABテストは現実的に厳しい•前の報酬が判明する前に次の腕を引く•ログの問題。広告であれば表示からクリックまでもタイムラグがある。

•開発コスト。Webであればクッキーを使った L7スイッチで実現したい。