Többkarú bandit
term_id: multi_armed_bandit
Category: basic_concepts
Definition
A többkarú bandit probléma azt a dilemmát szemlélteti, amellyel egy ügynök szembesül: ragaszkodik-e egy ismert, jutalmat nyújtó opcióhoz (kihasználás), vagy próbál-e ki új opciókat a potenciálisan jobb jutalom felfedezése érdekében…
Summary
A többkarú bandit egy klasszikus probléma a valószínűségszámításban és a megerősítéses tanulásban, amely a felfedezés és kihasználás közötti kompromisszumot modellezi.
Key Concepts
- Felfedezés vs. kihasználás
- Jutalom maximalizálás
- Sztochasztikus folyamatok
- Regrett minimalizálás
Use Cases
- A/B tesztelés optimalizálása
- Ajánlórendszerek
- Hirdetéselhelyezési stratégiák