Contextual Bandits介于RL与MAB之间。
- RL: 动作改变状态，奖励由状态，动作决定
- CB: 动作不改变状态，奖励由状态，动作决定
- MAB:动作不改变状态，奖励只由动作决定
linUCB是Contextual Bandits的一种方法。其基本思想是用函数近似期望收益，对于每一个动作，学习一个这样的估计函数，当面临新的状态s的时候，先估计每个动作的期望收益 ，再根据UCB算法挑一个动作做（综合考虑探索和贪心）。
最后
以上就是威武美女最近收集整理的关于RL,MAB与Contextual Bandits区别的全部内容，更多相关RL,MAB与Contextual内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[转载]从Thompson Sampling到增强学习，再谈多臂老虎机问题](https://file2.kaopuke.com:8081/files_image/reation/bcimg11.png)
发表评论 取消回复