机器会学习的博客

强化学习在广告点击业务中的应用 业务场景         广告投放是为了最大程度增加顾客点击的可能性，尽可能给顾客展示他们可能感兴趣的东西．假设一个小型的电子商务网站，有十个不同的版块，分别对应这不同类型的商品，网站为了增加销量，每次有客户在完成支付后，会向顾客展示广告链接，可以跳转到网站的不同版块，希望顾客也会购买其...

多臂强盗(n台老虎机)问题 在构建AlphaGo之前，先尝试一个简单的问题热热身，nnn 台老虎机（多臂强盗问题),把对 nnn 台老虎机操作看作是 nnn 个不同的动作,即：每个动作 aaa 对应一台特定的老虎机．在每次游戏 kkk 中，玩家可以操作任意一台老虎机，这个操作即：动作 aaa,操作后玩家会获得奖励 R(k)R(k)R(k), 每台老虎机的奖励概率是固定的． 如何在这个游戏中获得更高...

DRL in Action : Dynamic Programming 把目标分解为一组更易于解决的子目标，同时保存子目标的所有的解决方案，以便在次遇到该子问题时，可以直接查找到之前的解决方案，不用重新计算． # 计算斐波那楔数列 def fib(n): if n <= 1: return n else: return fib(n - 1) ...