用老虎机小例子理解Multi-armed Bandit Learning

1. 问题背景

一个人带着一些钱走进一家赌场, 换到了一些游戏币, 有好几个不同的老虎机, 只有他一个人可以用这几台老虎机. 这几台老虎机都各不相同, 即赢钱的概率不同. 但是这个概率是事先未知的.

2. 解决思路

我们有一些资源(即游戏币). 我们可以用一部分游戏币来做试验, 得到每台老虎机的一些信息. 然后基于这个信息, 再做出"最好的"决定. 即问题中存在exploration-exploitation dilemma的问题, 即用多少资源做试验, 用多少剩下的资源给"最好的"老虎机.

3. 一些方法

(1) ɛ-first: 假设ɛ=10%

首先, 用10%的游戏币做试验, 实验结束后, 选择最好的那一台老虎机, 把剩下的90%的游戏币都给这台"最好的"老虎机.

(2) ɛ-greedy: ɛ = 10%

这个方法中, 没有先试验后执行的先后顺序. 10%用来试验, 90%用来执行. 每次执行时选择的老虎机是都是到目前为止的试验中"最好的"那一个, 即, 试验是一直在进行中, 试验得到的最好的老虎机可能会在变化. 这样给了我们一个可以改变的机会.

用老虎机小例子理解Multi-armed Bandit Learning相关推荐

初识随机规划：用一个小例子理解随机规划
文章目录初识随机规划:一个小小例子生产计划的例子参数的不确定性随机规划模型(Stochastic Programming) Python调用Gurobi求解随机规划模型参考文献 Olittl ...
一个小例子理解什么是卷积
别怕,"卷积"其实很简单 2018年01月17日 13:15:52 阅读数:17600 标签: 机器学习信号系统概率统计统计学习深度学习更多个人分类: Data Sci ...
小例子来理解MapReduce
MapReduce是由Google开发的针对大规模海量数据处理的分布式计算框架.MapReduce处理数据的两个核心阶段是Map(映射)和Reduce(化简).简单地来,Map负责将数据打散,Redu ...
php函数的默认值,php函数指定默认值方法的小例子
php函数指定默认值方法的小例子本节内容: php函数指定默认值在php编程中,为自定义函数设定默认值,当用户调用该函数时,如果不给参数指定值,参数会用默认值顶替. 例1, 复制代码代码如下: ...
深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子
深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子作者:寒小阳时间:2016年1月. 出处:http://blog.csdn.net/han_xiaoyang/article/de ...
python 真多线程_Python之路200个小例子，在线网页版来了，从此学习更方便！
历史两个月,利用所有业余时间,与朋友一起搜集.创作Python小例子,截止目前已超过200个例子,全新整合汇总为九大章节: 感受Python之美 | 一.Python基础 | 二.Python字符串和 ...
JS的for循环小例子
1.输出1-100的和 var sum = 0;for(var i=1;i<=100;i++){sum = sum + i;}document.write(sum); 2.输出1-100奇数的和 ...
五个小例子教你搞懂 JavaScript 作用域问题
原文:五个小例子教你搞懂 JavaScript 作用域问题众所周知,JavaScript 的作用域和其他传统语言(类C)差别比较大,掌握并熟练运用JavaScript 的作用域知识,不仅有利于我们阅 ...
spark学习-73-源代码：Endpoint模型介绍(5)-Netty通讯小例子
想理解Rpc的通讯,先看看Netty的通讯小例子,有助于理解Spark的Rpc通讯原理先看一个整体图静态图: 动态图gif动画: Spark2.2以后统一了通讯方式,全部是netty方式,根据源码 ...

用老虎机小例子理解Multi-armed Bandit Learning

用老虎机小例子理解Multi-armed Bandit Learning相关推荐

最新文章

热门文章