컨텍스트 밴딧 오프라인 평가를 위한 커널 가중 중요 샘플링

요약

본 논문은 컨텍스트 밴딧에 대해 오프라인 데이터만을 활용하여 오프-폴리시 평가를 수행하는 새로운 추정기인 Kernel-WIS를 제안합니다. 이 방법론은 점근적 일관성을 가지며, 행동 정책 사양 오류와 같은 복잡한 조건에서도 기존의 가중 중요 샘플링보다 우수한 성능을 보였습니다.

핵심 포인트

• 컨텍스트 밴딧 오프라인 평가에 새로운 추정기 Kernel-WIS 제시
• Kernel-WIS는 점근적 일관성을 가지며 강력한 기준선 제공
• 행동 정책 사양 오류 등 복잡 조건에서 기존 방법론 능가