Bandit:一種簡單而強大的在線學習算法

假設我有5枚硬幣，都是正反面不均勻的。咱們玩一個遊戲，每次你能夠選擇其中一枚硬幣擲出，若是擲出正面，你將獲得一百塊獎勵。擲硬幣的次數有限（好比10000次），顯然，若是要拿到最多的利益，你要作的就是儘快找出「正面機率最大」的硬幣，而後就拿它賺錢了。html 這個問題看起來很數學化，其實它在咱們的生活中常常碰見。好比咱們如今有不少在線場景，遇到一個相同的問題：一個平臺這麼多信息，該展現什麼給用戶，才

>>阅读原文<<