Dieses Tutorial führt in das Präferenzlernen ein und präsentiert verschiedene GP-basierte Modelle, um Präferenzen und Entscheidungen zu lernen. Es behandelt sowohl Objekt- als auch Labelprä
ferenzen und berücksichtigt mögliche Abweichungen von der Rationalität, wie begrenzte Unterscheidbarkeit, additive Gaußsche Störungen und multiple konfligierende Nutzenfunktionen. Die Modelle werden mit einer Python-Bibliothek implementiert, die es Praktikern ermöglicht, diese Modelle einfach auf ihre Daten anzuwenden und zu vergleichen.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Alessio Bena... at arxiv.org 03-19-2024
https://arxiv.org/pdf/2403.11782.pdfDeeper Inquiries