Loading...
🎰
Оптимизация методом многоруких бандитов(MAB)
Последовательное принятие решений в условиях неопределённости с оптимальным балансом между исследованием и эксплуатацией
Сложность: mediumИсследование и открытие
In 30 seconds
- What
- Балансирует между пробой новых вариантов и использованием заведомо хороших, опираясь на доверительные границы при выборе того, какую ручку дёрнуть в каждом раунде.
- When to use
- Повторяющиеся решения с неопределённой отдачей, где каждый выбор чему-то учит и нужно минимизировать суммарное сожаление со временем.
- Watch out
- Медленная сходимость или неверные решения, если сигналы вознаграждения зашумлены, приходят с задержкой или среда меняется быстрее, чем алгоритм успевает адаптироваться.
Loading technique guide…