选择问题

选择强迫症 在没有先验信息或者有部分先验信息的情况下，如何持续的作出更好的选择。 （第一次写，抄一个有用的练练手） bandit算法 Thompson sampling算法 UCB算法 *Epsilon-Greedy算法 均值最大 背景 bandit算法来源于人民群众喜闻乐见的赌博学，它要解决的问题是这样的： 一个赌徒，要去摇老虎机，走进赌场一看，一排老虎机，外表一模一样，但是每个老虎机吐钱的概率

>>阅读原文<<