piabrota← proof index

Uma rodada de um bandit contextual

Uma rodada de um bandit contextual Um diagrama de sequência gerado pelo Archify. contexto c estimate(b, c, a) para todo a média, largura por braço estimativas P(braço) mostrar braço a ~ P recompensa r update(b, c, a, r) registrar (c, a, r, P(a)) Decidir Agir Aprender Página inicial · Assinante · Participante da sequência Página inicial Assinante Agente · política · Participante da sequência Agente política RewardModel · crença b · Participante da sequência RewardModel crença b DecisionRule · gulosa, ε, UCB, TS · Participante da sequência DecisionRule gulosa, ε, UCB, TS Log de eventos · (c, a, r, P(a)) · Participante da sequência Log de eventos (c, a, r, P(a)) Legenda solicitação principal retorno rastreamento assíncrono mensagem