Buchumschlag

Bayesian Inference of Contextual Bandit Policies via Empirical Likelihood

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ouyang, Jiangrong, Gong, Mingming, Bondell, Howard
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generalized Power Priors for Improved Bayesian Inference with Historical Data
von: Kimura, Masanari, et al.
Veröffentlicht: (2025)

Density Ratio Estimation via Sampling along Generalized Geodesics on Statistical Manifolds
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Bayesian Empirical Likelihood Regression for Semiparametric Estimation of Optimal Dynamic Treatment Regimes
von: Weichang Yu, et al.
Veröffentlicht: (2024)

Theoretical and Practical Analysis of Fréchet Regression via Comparison Geometry
von: Kimura, Masanari, et al.
Veröffentlicht: (2025)

Test-Time Augmentation Meets Variational Bayes
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Weighted Sequential Bayesian Inference for Non-Stationary Linear Contextual Bandits
von: Werge, Nicklas, et al.
Veröffentlicht: (2023)

A Mixture of Exemplars Approach for Efficient Out-of-Distribution Detection with Foundation Models
von: Mannix, Evelyn, et al.
Veröffentlicht: (2023)

Empirical Bayesian Multi-Bandit Learning
von: Jiang, Xia, et al.
Veröffentlicht: (2025)

Online Statistical Inference for Contextual Bandits via Stochastic Gradient Descent
von: Chang, Xiangyu, et al.
Veröffentlicht: (2022)

Optimal Regret for Policy Optimization in Contextual Bandits
von: Levy, Orin, et al.
Veröffentlicht: (2026)

PAC Off-Policy Prediction of Contextual Bandits
von: Wan, Yilong, et al.
Veröffentlicht: (2025)

Pessimistic Risk-Aware Policy Learning in Contextual Bandits
von: Wan, Yilong, et al.
Veröffentlicht: (2026)

Bayesian Bandit Algorithms with Approximate Inference in Stochastic Linear Bandits
von: Huang, Ziyi, et al.
Veröffentlicht: (2024)

Early Stopping in Contextual Bandits and Inferences
von: Cui, Zihan
Veröffentlicht: (2025)

Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood
von: Lee, Byunghee, et al.
Veröffentlicht: (2025)

Wasserstein Distributionally Robust Policy Evaluation and Learning for Contextual Bandits
von: Shen, Yi, et al.
Veröffentlicht: (2023)

Optimal Baseline Corrections for Off-Policy Contextual Bandits
von: Gupta, Shashank, et al.
Veröffentlicht: (2024)

Avoiding the Price of Adaptivity: Inference in Linear Contextual Bandits via Stability
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)

Off-Policy Evaluation via Adaptive Weighting with Data from Contextual Bandits
von: Zhan, Ruohan, et al.
Veröffentlicht: (2021)

Exploration via Feature Perturbation in Contextual Bandits
von: Yi, Seouh-won, et al.
Veröffentlicht: (2025)

Likelihood-Free Adaptive Bayesian Inference via Nonparametric Distribution Matching
von: Lu, Wenhui Sophia, et al.
Veröffentlicht: (2025)

Context-Action Embedding Learning for Off-Policy Evaluation in Contextual Bandits
von: Chandak, Kushagra, et al.
Veröffentlicht: (2025)

Normalizing Flow Regression for Bayesian Inference with Offline Likelihood Evaluations
von: Li, Chengkun, et al.
Veröffentlicht: (2025)

Effective Off-Policy Evaluation and Learning in Contextual Combinatorial Bandits
von: Shimizu, Tatsuhiro, et al.
Veröffentlicht: (2024)

Scaling Federated Linear Contextual Bandits via Sketching
von: Yang, Hantao, et al.
Veröffentlicht: (2026)

Distributionally Robust Policy Evaluation under General Covariate Shift in Contextual Bandits
von: Guo, Yihong, et al.
Veröffentlicht: (2024)

Contextual Linear Bandits under Noisy Features: Towards Bayesian Oracles
von: Kim, Jung-hun, et al.
Veröffentlicht: (2017)

Sparse Nonparametric Contextual Bandits
von: Flynn, Hamish, et al.
Veröffentlicht: (2025)

Efficient Algorithms for Logistic Contextual Slate Bandits with Bandit Feedback
von: Goyal, Tanmay, et al.
Veröffentlicht: (2025)

An Improved Algorithm for Adversarial Linear Contextual Bandits via Reduction
von: van Erven, Tim, et al.
Veröffentlicht: (2025)

Optimizing Likelihoods via Mutual Information: Bridging Simulation-Based Inference and Bayesian Optimal Experimental Design
von: Zaballa, Vincent D., et al.
Veröffentlicht: (2025)

Linear Contextual Bandits with Interference
von: Xu, Yang, et al.
Veröffentlicht: (2024)

Constrained Contextual Bandits with Adversarial Contexts
von: Sarkar, Dhruv, et al.
Veröffentlicht: (2026)

Contextual Bandits for Unbounded Context Distributions
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Neural Exploitation and Exploration of Contextual Bandits
von: Ban, Yikun, et al.
Veröffentlicht: (2023)

Uncertainty of Joint Neural Contextual Bandit
von: Guo, Hongbo, et al.
Veröffentlicht: (2024)

Contextual Linear Bandits with Delay as Payoff
von: Zhang, Mengxiao, et al.
Veröffentlicht: (2025)

Group-Sensitive Offline Contextual Bandits
von: Guo, Yihong, et al.
Veröffentlicht: (2025)

Multiplayer Information Asymmetric Contextual Bandits
von: Chang, William, et al.
Veröffentlicht: (2025)

Differentially Private Kernelized Contextual Bandits
von: Pavlovic, Nikola, et al.
Veröffentlicht: (2025)