学习最优参数以最大化奖励

Question

我有一组示例，每个示例都使用要素数据进行注释。示例和特征描述了任意域中的实验设置（例如，交换机数量，执行天数，参与者数量等）。某些特征是固定的（即静态的），而其他特征我可以在未来的实验中手动设置（即变量）。每个例子还有一个“奖励”功能，这是一个在0和1之间的连续数字，表示由专家确定的实验成功。

基于此示例集，并为将来的实验提供一组静态功能，如何确定用于特定变量的最佳值，以便最大化奖励？

此外，此过程是否有正式名称？我做了一些研究，这听起来与regression analysis类似，但我仍然不确定它是否是同一个东西。

Answer 1

该过程称为“design of experiments”。根据参数的数量，可以使用各种技术，以及您是否能够在试验之间进行计算，或者是否必须提前选择所有治疗方法。

• full factorial - 尝试每种组合，强力方法
• fractional factorial - 消除模式中的某些组合并使用回归填充缺失的数据
• Plackett-Burman，response surface - 更复杂的方法，为实验工作交换统计工作
• ......还有很多其他人。这是一个活跃的统计研究领域。

根据实验数据建立回归模型后，您可以通过应用常用的数值优化技术找到最佳模型。