Bandit總結1

假設我有5枚硬幣，都是正反面不均勻的。我們玩一個遊戲，每次你可以選擇其中一枚硬幣擲出，如果擲出正面，你將得到一百塊獎勵。擲硬幣的次數有限（比如10000次），顯然，如果要拿到最多的利益，你要做的就是儘快找出「正面概率最大」的硬幣，然後就拿它賺錢了。 這個問題看起來很數學化，其實它在我們的生活中經常遇見。比如我們現在有很多在線場景，遇到一個相同的問題：一個平臺這麼多信息，該展示什麼給用戶，纔能有最好

>>阅读原文<<