N-Slot Bandit Lab
Stokastik çok kollu banditte keşif-sömürü stratejilerini karşılaştır.
Her kolun bilinmeyen Bernoulli ödül olasılığı vardır. Her adımda ajan bir kol seçer ve 0 veya 1 ödülü gözlemler.
- Epsilon-Greedy: epsilon olasılıkla rastgele keşif.
- UCB1: belirsiz kollar için iyimserlik bonusu.
- Thompson Sampling: Beta dağılımlarıyla Bayesçi posterior örnekleme.
Ortalama Ödül
Birikimli Pişmanlık
Kollar (Gerçek Olasılıklar)
Elle düzenle veya rastgeleleştir, sonra Uygula’ya tıkla.
Koşu Bilgisi
Mevcut koşu: 0 / 0
Adım: 0 / 0
Ort ödül: -
Birikimli pişmanlık: -