Lab N-Slot Bandit
Bandingkan strategi eksplorasi-eksploitasi pada bandit multi-lengan stokastik.
Setiap lengan memiliki probabilitas reward Bernoulli yang tidak diketahui. Di setiap langkah agen memilih satu lengan dan melihat reward 0 atau 1.
- Epsilon-Greedy: eksplorasi acak dengan probabilitas epsilon.
- UCB1: bonus optimisme untuk lengan yang tidak pasti.
- Thompson Sampling: sampling posterior Bayes melalui distribusi Beta.
Reward rata-rata
Regret kumulatif
Lengan (Probabilitas Asli)
Edit manual atau acak, lalu klik Terapkan.
Info Jalankan
Run saat ini: 0 / 0
Langkah: 0 / 0
Reward rata-rata: -
Regret kumulatif: -