スパース異質性下での最適な多タスク線形回帰と文脈バンディット

多くの複雑なデータセットは複数の異質なソースから収集されるが、共通性も存在する。本研究では、タスク間のパラメータが共通のグローバルパラメータと少数のタスク固有の項で表される「スパース異質性」を仮定し、多タスク線形回帰と文脈バンディットの新しい推定手法を提案する。提案手法は、データの総量と異質性の程度を活用して、単一タスクの最適レートを大幅に改善できることを示す。