bandit算法原理及Python实现

Bandit算法是在线学习的一种，一切经过数据收集而获得的几率预估任务，都能经过Bandit系列算法来进行在线优化。这里的“在线”，指的不是互联网意义上的线上，而是只算法模型参数根据观察数据不断演变。html 以多臂老虎机问题为例，首先咱们假设每一个臂是否产生收益，其背后有一个几率分布，产生收益的几率为ppython 咱们不断地试验，去估计出一个置信度较高的几率p的几率分布就能近似解决这个问题了。

>>阅读原文<<