Bandits Contextuels Efficaces avec Graphes de Feedback Non Informés

Les bandits avec graphes de feedback sont des modèles d'apprentissage en ligne puissants qui s'intercalent entre les problèmes de pleine information et les problèmes classiques de bandits, capturant de nombreuses applications de la vie réelle. Un travail récent de Zhang et al. (2023) étudie la version contextuelle de ce problème et propose un algorithme efficace et optimal grâce à une réduction à la régression en ligne. Cependant, leur algorithme repose de manière cruciale sur la visualisation du graphe de feedback avant de prendre chaque décision, alors que dans de nombreuses applications, le graphe de feedback est non informé, ce qui signifie qu'il est soit seulement révélé après que l'apprenant ait pris sa décision, soit même jamais entièrement révélé. Ce travail développe le premier algorithme contextuel pour de tels réglages non informés, via une réduction efficace à la régression en ligne sur les pertes et les graphes. Il est important de montrer qu'il est critique d'apprendre les graphes en utilisant la perte logarithmique plutôt que la perte quadratique pour obtenir des garanties de regret favorables. Nous démontrons également l'efficacité empirique de notre algorithme sur une application d'enchères utilisant à la fois des données synthétiques et du monde réel.