Problém více paží bandity
term_id: multi_armed_bandit
Category: basic_concepts
Definition
Problém více paží bandity ilustruje dilema, kterému čelí agent při rozhodování, zda se držet známé odměňující možnosti (využívání), nebo zkoušet nové možnosti za účelem objevení potenciálně lepších odměn…
Summary
Problém více paží bandity je klasickým problémem v teorii pravděpodobnosti a posilovacím učení, který modeluje kompromis mezi průzkumem a využíváním.
Key Concepts
- Průzkum versus využití
- Maximalizace odměny
- Stochastické procesy
- Minimalizace regretu
Use Cases
- Optimalizace A/B testování
- Doporučovací systémy
- Strategie umístění reklam