强化学习笔记：Bayesian bandits——你确定你懂了么？？

目录

问题1：在基于贪婪多臂算法（Greedy Bandit Algorithms）的最优初始化中，Q初始化过高的缺点是什么？

问题2：Is this trivial to do with function approximation? Why or why not?基于贪婪多臂算法（Greedy Bandit Algorithms）的最优初始化和函数近似无关吗？为什么或为什么不做？

 问题3：Toy Example: Probably Approximately Correct and Regret

问题4：Check Your Understanding: Thompson Sampling and Optimism

 问题5：Bayesian bandits to MDPs

问题6：Fast RL Part III——MDPs

看完这几题，你确定你都理解这些题了么？？？

理解了这些题，你确定你完全理解这些算法思想了么？？？

唠叨小主陷入了沉思...

---

问题1：在基于贪婪多臂算法（Greedy Bandit Algorithms）的最优初始化中，Q初始化过高的缺点是什么？

答案：唠叨小主还不知道，请勿怪罪

问题2：Is this trivial to do with function approximation? Why or why not?基于贪婪多臂算法（Greedy Bandit Algorithms）的最优初始化和函数近似无关吗？为什么或为什么不做？

答案：唠叨小主还不知道，请勿怪罪

 问题3：Toy Example: Probably Approximately Correct and Regret

正确答案是什么？？？

如下所示：

问题4：Check Your Understanding: Thompson Sampling and Optimism

考虑一个在线新闻网站，每秒都有成千上万的人登录。通常在我们看到最后一个人是否点击之前，一个新人会登陆网站。

 问题5：Bayesian bandits to MDPs

问题6：Fast RL Part III——MDPs

看完这几题，你确定你都理解这些题了么？？？

理解了这些题，你确定你完全理解这些算法思想了么？？？

唠叨小主陷入了沉思...