Monivarren bandiitti
term_id: multi_armed_bandit
Category: basic_concepts
Definition
Monivarren bandiitti -ongelma havainnollistaa agentin kohtaamaa dilemma valita, pysytäänkö tunnettuja palkitsevassa vaihtoehdossa (hyödyntäminen) vai kokeiltaisiinko uusia vaihtoehtoja löytääkseen potentiaalisesti parempia palkintoja,
Summary
Monivarren bandiitti on klassinen todennäköisyyslaskennan ja vahvistusoppimisen ongelma, joka mallintaa tutkimisen ja hyödyntämisen välisen kompromissin.
Key Concepts
- Tutkiminen vs. hyödyntäminen
- Palkinnon maksimointi
- Stohastiset prosessit
- Regretin minimointi
Use Cases
- A/B-testauksen optimointi
- Suositusjärjestelmät
- Mainospaikkauksen strategiat