用老虎机小例子理解Multi-armed Bandit Learning
1. 问题背景一个人带着一些钱走进一家赌场, 换到了一些游戏币, 有好几个不同的老虎机, 只有他一个人可以用这几台老虎机. 这几台老虎机都各不相同, 即赢钱的概率不同. 但是这个概率是事先未知的.2. 解决思路我们有一些资源(即游戏币). 我们可以用一部分游戏币来做试验, 得到每台老虎机的一些信息. 然后基于这个信息, 再做出"最好的"决定. 即问题中存在exploration-exploitation dilemma的问题, 即用多少资源做试验, 用多少剩下的资源给"最好的"老虎机.3.
原创
2022-05-30 02:49:57 ·
295 阅读 ·
0 评论