📊 statistics

Batched Single-Index Global Multi-Armed Bandits with Covariates

यह शोध पत्र BIDS का प्रस्ताव करता है, जो कोवेरियेट्स (covariates) वाले बैचड मल्टी-आर्म्ड बैंडिट्स के लिए एक नवीन अर्ध-पैरामीट्रिक एल्गोरिदम है, जो मिनिमैक्स-ऑप्टिमल रिग्रेट दरों को प्राप्त करने और सिंगल-इंडेक्स दिशा द्वारा निर्देशित एक डायनेमिक बिनिंग तंत्र का उपयोग करके डाइमेंशनलिटी के अभिशाप (curse of dimensionality) से बचने के लिए एक साझा सिंगल-इंडेक्स मॉडल का लाभ उठाता है।

मूल लेखक: Sakshi Arya, Hyebin Song

प्रकाशित 2026-05-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sakshi Arya, Hyebin Song

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक डॉक्टर हैं जो यह पता लगाने की कोशिश कर रहे हैं कि विभिन्न प्रकार के रोगियों के लिए कौन सी नई दवा सबसे अच्छी काम करती है। आपके पास रोगियों के विवरणों (covariates) की एक विशाल सूची है जैसे आयु, वजन और रक्तचाप। आपके पास रोगियों का एक समूह (batch) एक साथ उपचार के लिए उपलब्ध है, लेकिन आप पहले समूह के परिणामों को तब तक नहीं देख सकते जब तक कि आपने उस समूह के सभी लोगों का उपचार न कर लिया हो। उसके बाद ही आप अगले समूह के लिए उपचार का निर्णय ले सकते हैं।

यह वास्तविक दुनिया की समस्या है जिसे यह शोध पत्र हल करता है: आप कितनी जल्दी सबसे अच्छी निर्णय रणनीति सीख सकते हैं जब आपको समूहों (batches) में काम करना पड़ता है, आपके पास डेटा के बहुत सारे बिंदु होते हैं, और उपचार एक-दूसरे से संबंधित होते हैं?

यहाँ इस शोध पत्र के समाधान का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है।

1. समस्या: "बहुत अधिक वेरिएबल्स" का जाल

अतीत में, शोधकर्ताओं ने हर एक रोगी के विवरण के संयोजन को एक अद्वितीय श्रेणी (unique category) के रूप में मानकर इसे हल करने की कोशिश की। यदि आपके पास 10 विवरण हैं (जैसे आयु, वजन आदि), और प्रत्येक "उच्च" या "निम्न" हो सकता है, तो अचानक आपके पास ट्रैक करने के लिए 1,024 अलग-अलग श्रेणियाँ हो जाती हैं। इसे "कर्स ऑफ डायमेंशनैलिटी" (Curse of Dimensionality) कहा जाता है। यह समुद्र तट पर रेत के एक विशिष्ट कण को खोजने जैसा है जो हर बार देखने पर बड़ा होता जाता है।

इसके अलावा, मानक तरीके अक्सर यह मान लेते हैं कि दवा A का दवा B से कोई लेना-देना नहीं है। लेकिन वास्तव में, यदि दो दवाओं की रासायनिक संरचना समान है, तो वे समान रोगियों पर समान रूप से कार्य करने की संभावना रखते हैं। इस संबंध को अनदेखा करना फ्रेंच और स्पेनिश को ऐसे सीखने जैसा है जैसे कि वे पूरी तरह से असंबंधित भाषाएँ हों, जिससे आप इस तथ्य को भूल जाते हैं कि उनका व्याकरण काफी हदता तक समान है।

2. समाधान: "सिंगल-इंडेक्स" शॉर्टकट

लेखक एक चतुर शॉर्टकट प्रस्तावित करते हैं जिसे सिंगल-इंडेक्स मॉडल (Single-Index Model) कहा जाता है।

कल्पना कीजिए कि वे सभी रोगी विवरण (आयु, वजन आदि) एक विशाल स्मूदी के सामग्रियाँ (ingredients) हैं। प्रत्येक सामग्री के संयोजन को अलग-अलग चखने के बजाय, लेखक सुझाव देते हैं कि एक विशेष "फ्लेवर स्कोर" है जो निर्धारित करता है कि एक दवा कितनी अच्छी तरह काम करती है।

उन्हें अभी तक इस स्कोर का सटीक नुस्खा (recipe) नहीं पता है, लेकिन वे जानते हैं कि यदि वे सही "मिक्सिंग स्पून" (एक गणितीय दिशा) पा लेते हैं, तो वे उन सभी जटिल रोगी विवरणों को एक एकल संख्या में बदल सकते हैं।
एक बार जब उनके पास वह एकल संख्या आ जाती है, तो समस्या बहुत आसान हो जाती है। यह एक 3D भूलभुलैया को 1D गलियारे में बदलने जैसा है। आपको केवल बाएं और दाएं देखने की आवश्यकता है, ऊपर, नीचे, आगे और पीछे नहीं।

3. विधि: BIDS (स्मार्ट सॉर्टर)

यह शोध पत्र BIDS नामक एक एल्गोरिदम पेश करता है (Batched single-Index Dynamic binning and Successive arm elimination)। BIDS को एक अत्यधिक कुशल लाइब्रेरियन (पुस्तकालयाध्यक्ष) के रूप में समझें जो किताबों को छाँट रहा है।

बैचेस (Batches): लाइब्रेरियन को समूहों में किताबें (रोगी) मिलती हैं। वे पूरे समूह को प्रोसेस किए बिना शेल्फ को फिर से व्यवस्थित नहीं कर सकते।
प्रोजेक्शन (The Projection): हर एक विवरण (लेखक, वर्ष, शैली, कवर का रंग) के आधार पर छाँटने के बजाय, लाइब्रेरियन केवल एक मुख्य विषय (फ्लेवर स्कोर) के आधार पर किताबों को छाँटने के लिए "सिंगल-इंडेक्स" का उपयोग करता है।
डायनामिक बिनिंग (Dynamic Binning): लाइब्रेरियन बड़े ढेरों से शुरुआत करता है। यदि कोई ढेर बहुत अव्यवस्थित है (बहुत सारी अलग-अलग किताबें जो एक जैसी दिखती हैं), तो वे अगले दौर के लिए उस ढेर को छोटे, अधिक विशिष्ट ढेरों में विभाजित कर देते हैं।
सक्सेसिव एलिमिनेशन (Successive Elimination): यदि लाइब्रेरियन देखता है कि एक विशिष्ट ढेर में "किताब A" लगातार "किताब B" की तुलना में बेहतर समीक्षा प्राप्त कर रही है, तो वे उस प्रकार के पाठक के लिए "किताब B" की सिफारिश करना बंद कर देते हैं। वे खराब विकल्पों को जल्दी से हटा देते हैं।

4. शुरू करने के दो तरीके

शोध पत्र बताता है कि लाइब्रेरियन को शुरुआत कैसे मिलती है:

"पायलट" परिदृश्य (The Pilot Scenario): लाइब्रेरियन को एक संकेत दिया जाता है—एक पिछले अध्ययन से "मिक्सिंग स्पून" कैसा दिखता है, इसका एक मोटा अनुमान। यदि यह अनुमान अच्छा है, तो एल्गोरिदम अविश्वसनीय रूप से तेज़ी से काम करता है और बहुत कम गलतियों के साथ सबसे अच्छी दवा खोज लेता है।
"लर्निंग" परिदृश्य (The Learning Scenario): लाइब्रेरियन के पास कोई संकेत नहीं है। उन्हें पहले बैच के रोगियों का उपयोग केवल यह समझने के लिए करना होगा कि "मिक्सिंग स्पून" कैसा दिखता है। इसमें थोड़ा अधिक समय लगता है और शुरुआत में कुछ अधिक गलतियाँ होती हैं, लेकिन एक बार जब वे इसे समझ लेते हैं, तो वे अभी भी पुराने तरीकों की तुलना में बहुत बेहतर प्रदर्शन करते हैं।

5. परिणाम: यह क्यों महत्वपूर्ण है

लेखकों ने नकली डेटा (सिमुलेशन) और वास्तविक दुनिया के डेटा (जैसे चावल के प्रकारों को वर्गीकृत करना या यह पता लगाना कि कमरा भरा हुआ है या नहीं) दोनों पर इसका परीक्षण किया।

गति (Speed): BIDS ने पुराने "नॉन-पैरामीट्रिक" तरीकों (जिन्होंने हर विवरण को अलग-अलग देखने की कोशिश की) की तुलना में सबसे अच्छी रणनीति बहुत तेज़ी से सीखी।
सटीकता (Accuracy): भले ही प्रारंभिक अनुमान थोड़ा गलत था, फिर भी BIDS ने प्रतिस्पर्धा को पछाड़ दिया।
दक्षता (Efficiency): जटिल 3D समस्या को एक सरल 1D रेखा में बदलकर, एल्गोरिदम ने "कर्स ऑफ डायमेंशनैलिटी" से खुद को बचा लिया। यह बहुत सारे वेरिएबल्स के शोर में नहीं खो गया।

सारांश उपमा

कल्पना कीजिए कि आप लाखों सड़कों वाले एक विशाल, कोहरे से भरे शहर में सबसे अच्छा रास्ता खोजने की कोशिश कर रहे हैं।

पुराना तरीका: आप सड़क के हर कोने और मोड़ को याद करने की कोशिश करते हैं। आप अभिभूत हो जाते हैं और खो जाते हैं।
BIDS तरीका: आप महसूस करते हैं कि सभी बेहतरीन रास्ते एक ही मुख्य नदी का अनुसरण करते हैं। आप साइड की गलियों को अनदेखा करते हैं और बस नदी का अनुसरण करते हैं। भले ही आपको शुरू में नदी का सटीक मार्ग न पता हो, आप उसे मैप करने में थोड़ा समय बिताते हैं, और फिर आप शहर के बीच से तेज़ी से निकल जाते हैं जबकि बाकी सब अभी भी ट्रैफिक में फँसे हुए हैं।

यह शोध पत्र साबित करता है कि जब आपके पास विभिन्न विकल्पों के बीच साझा जानकारी होती है, तो बैचों में निर्णय लेने के लिए यह "नदी का अनुसरण करने वाला" दृष्टिकोण गणितीय रूप से सबसे अच्छा तरीका है।

तकनीकी सारांश: बैचयुक्त सिंगल-इंडेक्स ग्लोबल मल्टी-आर्म्ड बैंडिट्स विद कोवेरिएट्स (Batched Single-Index Global Multi-Armed Bandits with Covariates)

1. समस्या का निरूपण (Problem Formulation)

यह शोध पत्र कोवेरिएट्स के साथ बैचयुक्त ग्लोबल मल्टी-आर्म्ड बैंडिट (GMABC) समस्या को एक बैचयुक्त (batched) सेटिंग में संबोधित करता है। यह ढांचा मानक कॉन्टेक्स्टुअल बैंडिट्स का विस्तार करता है, जिसमें दो महत्वपूर्ण वास्तविक दुनिया की बाधाओं को शामिल किया गया है जो नैदानिक परीक्षणों (clinical trials) और व्यक्तिगत अनुशंसाओं (personalized recommendations) जैसे अनुप्रयोगों में अक्सर पाई जाती हैं:

साझा जानकारी (ग्लोबल स्ट्रक्चर): आर्म्स (arms) स्वतंत्र नहीं हैं; वे एक साझा वैश्विक पैरामीटर (global parameter) साझा करते हैं जो उनके रिवॉर्ड फंक्शन को जोड़ता है। एक आर्म को खेलने से अन्य आर्म्स के बारे में भी जानकारी मिलती है, विशेष रूप से तब जब कोवेरिएट्स समान हों।
बैचयुक्त फीडबैक (Batched Feedback): निर्णय बैचों में लिए जाते हैं न कि क्रमिक रूप से। एक पॉलिसी को केवल पूर्व-निर्धारित बैच सीमाओं पर ही अपडेट किया जा सकता है, जो एक बैच के भीतर सभी रिवॉर्ड्स को देखने के बाद होता है।
अज्ञात रिवॉर्ड फंक्शन्स: मानक ग्लोबल MAB मॉडल के विपरीत, जो ज्ञात रिवॉर्ड फंक्शन्स का अनुमान लगाते हैं, यह कार्य मानता है कि कोवेरिएट्स और रिवॉर्ड्स के बीच का संबंध अज्ञात और संभावित रूप से गैर-रेखीय (non-linear) है।

कोवेरिएट $X_t$ के साथ समय $t$ पर आर्म $k$ के लिए रिवॉर्ड को इस प्रकार मॉडल किया गया है:
$Y_t^{(k)} = g^{(k)}(X_t) + \epsilon_t = f^{(k)}(X_t^\top \beta_0) + \epsilon_t$
जहाँ $f^{(k)}$ प्रत्येक आर्म के लिए विशिष्ट अज्ञात 1-डायमेंशनल लिंक फंक्शन्स हैं, और $\beta_0 \in \mathbb{R}^d$ सभी आर्म्स के लिए एक साझा अज्ञात इंडेक्स पैरामीटर (दिशा) है। लक्ष्य संचयी रिग्रेट (cumulative regret) $R_T(\pi)$ को कम करना है, जिसे इष्टतम अपेक्षित रिवॉर्ड और पॉलिसी द्वारा प्राप्त रिवॉर्ड के अंतर के रूप में परिभाषित किया गया है।

2. कार्यप्रणाली: BIDS एल्गोरिदम

लेखक BIDS (Batched single-Index Dynamic binning and Successive arm elimination) प्रस्तावित करते हैं, जो एक सेमी-पैरामेट्रिक एल्गोरिदम है जिसे सिंगल-इंडेक्स स्ट्रक्चर का लाभ उठाने और बैच बाधाओं को संभालने के लिए डिज़ाइन किया गया है।

मुख्य तंत्र (Core Mechanism)

BIDS एडेप्टिव बिनिंग एंड सकसेसिव एलिमिनेशन (ABSE) रणनीति (जो मूल रूप से पूर्ण नॉन-पैरामेट्रिक बैंडिट्स के लिए थी) को अनुकूलित करता है, लेकिन इसे पूर्ण $d$ -डायमेंशनल कोवेरिएट स्पेस के बजाय एक प्रोजेक्टेड स्पेस (projected space) में संचालित करने के लिए संशोधित करता है।

डायमेंशन रिडक्शन (Dimension Reduction): पूर्ण कोवेरिएट स्पेस $\mathbb{R}^d$ को विभाजित करने के बजाय, BIDS कोवेरिएट्स को एक अनुमानित इंडेक्स वेक्टर $\hat{\beta}$ द्वारा परिभाषित 1-डायमेंशनल एक्सिस पर प्रोजेक्ट करता है। यह 'कर्स ऑफ डायमेंशनलिटी' (curse of dimensionality) को कम करता है।
पदानुक्रमित विभाजन (Hierarchical Partitioning): एल्गोरिदम प्रोजेक्टेड वैल्यूज $X_t^\top \hat{\beta}$ $X_{t}^{⊤} \hat{β}$ के आधार पर विभाजनों (partitions) का एक ट्री बनाता है।
- डायनेमिक बिनिंग (Dynamic Binning): बिन्स को एडेप्टिव तरीके से विभाजित किया जाता है। यदि एक बिन में कई सक्रिय आर्म्स हैं और डेटा सबसे अच्छे आर्म को पहचानने के लिए अपर्याप्त है, तो अगले बैच में बिन को चाइल्ड बिन्स में विभाजित कर दिया जाता है।
- सक्सेसिव एलिमिनेशन (Successive Elimination): प्रत्येक बिन के भीतर, आर्म्स को तब हटाया जाता है यदि उनका एम्पिरिकल मीन रिवॉर्ड, बिन की चौड़ाई और बैच आकार पर निर्भर विश्वास सीमा (confidence threshold) के आधार पर, उस बिन के वर्तमान सर्वश्रेष्ठ आर्म से सांख्यिकीय रूप से काफी कम हो।
दो परिदृश्य (Two Scenarios):
- पायलट दिशा के साथ (With Pilot Direction): यदि एक सटीक पायलट अनुमान $\beta$ उपलब्ध है (जैसे, पूर्व अध्ययनों से), तो BIDS बिनिंग को निर्देशित करने के लिए इसका सीधे उपयोग करता है।
- पायलट दिशा के बिना (Without Pilot Direction): यदि कोई पायलट उपलब्ध नहीं है, तो पहले बैच का उपयोग इनिशियलाइजेशन फेज के रूप में किया जाता है। $\beta_0$ का अनुमान लगाने के लिए सभी आर्म्स से चक्रीय रूप से (cyclically) सैंपल एकत्र किए जाते हैं, जिसके लिए सिंगल-इंडेक्स रिग्रेशन (SIR) विधि (जैसे, Sliced Average Derivative Estimation - SADE) का उपयोग किया जाता है। अनुमानित दिशा का उपयोग शेष $M-1$ बैचों के लिए किया जाता है।

3. प्रमुख योगदान

यह शोध पत्र चार मुख्य योगदान देता है:

GMABC फ्रेमवर्क: एक नवीन सेमी-पैरामेट्रिक फ्रेमवर्क का परिचय जो ग्लोबल MABs का सामान्यीकरण करता है, जिससे अज्ञात, कोवेरिएट-डिपेंडेंट रिवॉर्ड फंक्शन्स को एक साझा सिंगल-इंडेक्स पैरामीटर के माध्यम से जोड़ा जाता है।
BIDS एल्गोरिदम: पर्याप्त-डायमेंशन रिडक्शन प्रतिमान (paradigm) के तहत कॉन्टेक्स्टुअल बैचयुक्त बैंडिट्स के लिए पहला व्यवस्थित एल्गोरिदम का प्रस्ताव।
रिग्रेट गारंटी (Regret Guarantees):
- लोअर बाउंड (Lower Bound): बैचों की संख्या $M$ , आर्म्स $K$ , और मार्जिन पैरामीटर $\alpha$ से जुड़ी मौलिक कठिनाई को मात्रात्मक रूप से दर्शाते हुए, बैचयुक्त सेमी-पैरामेट्रिक GMABC समस्या के लिए एक मिनिमैक्स लोअर बाउंड का व्युत्पत्ति।
- अपार बाउंड्स (Upper Bounds):
  - पायलट के साथ: जब एक सटीक पायलट दिशा उपलब्ध होती है ( $\rho_{pilot} \approx O((T/K)^{-1/3})$ ), तो एल्गोरिदम $O((K \log T)^{1-\beta_M} T^{\beta_M})$ का रिग्रेट बाउंड प्राप्त करता है (फिक्स्ड $K$ के लिए, यह $d=1$ वाले नॉन-पैरामेट्रिक बैंडिट्स के मिनिमैक्स रेट से मेल खाता है)।
  - पायलट के बिना: जब इंडेक्स का अनुमान लगाना आवश्यक होता है, तो रिग्रेट में इनिशियलाइजेशन फेज से एक अतिरिक्त टर्म $O(K^{1/3} T^{2/3})$ शामिल होता है, लेकिन फिर भी यह सब-लीनियर रिग्रेट प्राप्त करता है।
व्यावहारिक अंतर्दृष्टि: इंडेक्स दिशा के अनुमान त्रुटि और लर्निंग रेट के बीच के ट्रेड-ऑफ का विश्लेषण, जो बैच बाधाओं और कोवेरिएट डायमेंशनलिटी की भूमिका को उजागर करता है।

4. परिणाम

सैद्धांतिक परिणाम (Theoretical Results)

मिनिमैक्स इष्टतमता (Minimax Optimality): एक फिक्स्ड संख्या में आर्म्स $K$ और पर्याप्त सटीक पायलट दिशा के लिए, BIDS नॉन-पैरामेट्रिक बैचयुक्त बैंडिट्स के लिए मिनिमैक्स-ऑप्टिमल रेट प्राप्त करता है, लेकिन प्रभावी डायमेंशन $d=1$ के साथ, जो उच्च-आयामी कोवेरिएट्स से जुड़ी 'कर्स ऑफ डायमेंशनलिटी' को प्रभावी ढंग से दरकिनार करता है।
$K$ पर निर्भरता: अपार बाउंड (upper bound) $K$ पर बहुपद निर्भरता ( $K^{1-\beta_M}$ ) प्रदर्शित करता है, जो मल्टी-पैरामीटर मॉडल के लिए विशिष्ट है, जबकि लोअर बाउंड लॉगरिदमिक निर्भरता दिखाता है। यह अंतर बिन्स के भीतर सभी आर्म्स की तुलना करने के लिए पर्याप्त सैंपल एकत्र करने की आवश्यकता के कारण है।
मार्जिन कंडीशन (Margin Condition): प्रदर्शन मार्जिन पैरामीटर $\alpha$ पर निर्भर करता है। जब $\alpha$ छोटा होता है (आर्म्स को अलग करना कठिन होता है), तो रिग्रेट रेट धीमी हो जाती है।

अनुभवजन्य परिणाम (Empirical Results)

सिम्युलेटेड डेटा और तीन वास्तविक दुनिया के डेटासेट्स (Rice Classification, Occupancy Detection, EEG Eye State) पर प्रयोग किए गए।

तुलना: BIDS ने सभी सेटिंग्स में नॉन-पैरामेट्रिक बैचयुक्त बैंडिट बेसलाइन (BaSEDB) को लगातार पछाड़ दिया।
पायलट सटीकता: BIDS पायलट दिशा में मध्यम विचलन के प्रति मजबूत रहा, लेकिन प्रदर्शन तब कम हुआ जब पायलट और वास्तविक दिशा के बीच का कोण बढ़ गया।
शोर संवेदनशीलता (Noise Sensitivity): पायलट की अनुपस्थिति में, BIRS ने विभिन्न शोर स्तरों के तहत भी BaSEDB से बेहतर प्रदर्शन किया, हालांकि शोर बढ़ने के साथ अंतर कम हो गया (जो प्रारंभिक SIR अनुमान की सटीकता को कम करता है)।
व्याख्यात्मकता (Interpretability): अनुमानित इंडेक्स वेक्टर्स $\hat{\beta}$ डोमेन ज्ञान (जैसे, ऑक्यूपेंसी डिटेक्शन के लिए तापमान और आर्द्रता की पहचान करना) के साथ संरेखित थे, जो ब्लैक-बॉक्स नॉन-पैरामेट्रिक तरीकों की तुलना में सेमी-पैरामेट्रिक दृष्टिकोण के व्याख्यात्मक लाभ को प्रदर्शित करते हैं।

5. महत्व और दावे

यह शोध पत्र दावा करता है कि यह सिंगल-इंडेक्स मॉडल स्ट्रक्चर का उपयोग करने वाले पर्याप्त-डायमेंशन रिडक्शन प्रतिमान के तहत कॉन्टेक्स्टुअल बैंडिट्स का पहला व्यवस्थित अध्ययन है।

लचीलेपन और व्याख्यात्मकता के बीच सेतु: यह कार्य पूरी तरह से पैरामेट्रिक मॉडल (जो व्याख्यात्मक हैं लेकिन कठोर हैं) और पूरी तरह से नॉन-पैरामेट्रिक मॉडल (जो लचीले हैं लेकिन 'कर्स ऑफ डायमेंशनलिटी' और व्याख्यात्मकता की कमी से ग्रस्त हैं) के बीच के अंतर को पाटता है। सिंगल-इंडेक्स स्ट्रक्चर मानकर, लेखक जटिल गैर-रेखीय रिवॉर्ड फंक्शन्स को मॉडल करने का लचीलापन बनाए रखते हुए प्रभावी डायमेंशन को 1 तक कम करते हैं।
कंप्यूटेशनल दक्षता: यह विधि अपने नॉन-पैरामेट्रिक समकक्षों की तुलना में महत्वपूर्ण कंप्यूटेशनल लाभ प्रदान करती है, क्योंकि बिन्स की संख्या कोवेरिएट डायमेंशन $d$ के साथ तेजी से नहीं बढ़ती है।
वास्तविक दुनिया की प्रयोज्यता: यह ढांचा विशेष रूप से उन परिदृश्यों से प्रेरित है जैसे नैदानिक परीक्षण जहाँ डेटा बैचों में एकत्र किया जाता है, उपचारों के रासायनिक संयोजन साझा होते हैं (ग्लोबल स्ट्रक्चर), और रोगी प्रोफाइल (कोवेरिएट्स) परिणामों को गैर-रेखीय रूप से प्रभावित करते हैं।

लेखक सीमाओं को स्वीकार करते हैं, यह नोट करते हुए कि वर्तमान एल्गोरिदम को ट्यूनिंग के लिए मार्जिन पैरामीटर $\alpha$ के पूर्व ज्ञान की आवश्यकता होती है और $K$ पर बहुपद निर्भरता को संभावित रूप से सुधारा जा सकता है। वे सुझाव देते हैं कि भविष्य के कार्य में बैचों के दौरान इंडेक्स दिशा के अनुकूल अनुमान या पायलट दिशा का अनुमान लगाने के लिए ट्रांसफर लर्निंग का उपयोग करना शामिल हो सकता है।