2019年12月8日
The Epsilon-Greedy /UCB ("upper confidence bound") for MAB (Multiarmed-bandit) problem sometime in reinforcement learning (RL)
摘要： 你是球队教练，现在突然要打一场比赛，手下空降三个球员，场上只能有一个出战，你不知道他们的能力，只能硬着头皮上，如何根据有限的上场时间看出哪个球员厉害，然后多让他上，从而得更多分数？ Epsilon-Greedy supposed an k arm(slot) and set ε a little n 阅读全文
posted @ 2019-12-08 13:45 yifan_2015 阅读(315) 评论(0) 推荐(0) 编辑