探索未知的组合,利用探索的结果来提高ECPM
Multi-arm Bandit(MAB):老虎机有很多扳手(广告),你该花钱扳哪个扳手才能使得获得的收益最大。
arm的期望收益是动态的,也就是说比如双十一的期望和其他时候的期望会不同。
解决的问题:E&E该怎么选才合理
策略1:也就是说选的次数足够多的话,不会一直选非最优的arms
这张主要解决的问题是:非最优的上界一般非常大,所以尝试的话成本很高,无法接受。除此之外,arm(广告)的数量非常多
解决方法:不实用广告的ID号来表示广告,而是是将广告映射到一组特征空间来降维