原书出处
强化学习
12 探索与利用 12.6 概率匹配
汤普森采样(Thompson Sampling)就是这样一种基于概率匹配思想的算法,它由Thompson于1933年提出。采用贝叶斯框架,将每个悬臂的收益概率视为一个beta分布,根据历史情况修正分布的参数,而需要选择的时候则对每个悬臂的分布进行采样,根据采样结果排序来选择悬臂。接下来详细说明。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-021.xhtml
EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae