← 返回卡片

原书出处

强化学习

12 探索与利用 12.6 概率匹配

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.896Z

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。

此预览只包含定位所需的摘录和上下文。

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