机器学习-强化学习-汤普森采样-源码
机器学习-强化学习-汤普森采样
强化学习：
汤普森采样：
我们需要在有效的勘探与开发之间找到适当的平衡。 与UCB算法不同，汤普森采样算法是一种概率算法。 该算法具有代表我们对世界的感知以及我们认为这些机器中的每台机器的实际预期收益可能位于的分布。
与UCB相比，Thomas采样的优点之一是它可以适应延迟的反馈。
我将使用与UCB算法相同的数据集。 与UCB算法相比，汤普森采样算法产生了更好的结果（能够在尽可能少的回合中确定最佳广告）。
该算法的工作原理如下：
在第n轮中，我们为每个广告i考虑两个数字：
N1（n）：-直到第n轮我获得奖励1的广告的次数，
N0（n）：-广告获得奖励0到第n轮的次数。
对于每个广告i，我们从以下分布中随机抽取：0i（n）= B（N1（n）+1，N0（n）+1）
我们选择最高0i（n）的广告
文件下载
资源详情
[{"title":"（ 3 个子文件 27KB ） 机器学习-强化学习-汤普森采样-源码","children":[{"title":"MachineLearning-ReinforcementLearning-Thompson-Sampling-master","children":[{"title":"Ads_CTR_Optimisation.csv <span style='color:#111;'> 205.13KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.15KB </span>","children":null,"spread":false},{"title":"thompson_sampling.ipynb <span style='color:#111;'> 14.63KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- 激光打标机驱动及软件 金橙子
- 拉扎维的《射频微电子学》（RF Microelectronics）中文版- 资料共享 ...
- 基于QT的水位标尺显示仪
- 封装的非常完善的socket类，支持服务器客户端多个连接
- C#员工管理系统
- 操作系统实验之进程的互斥与同步（生产者与消费者问题）VC++
- 粗糙集属性约简代码
- 基于FPGA的IRIG-B的编码及解码
- bottomnavigationsample
- 使用JqueryMobile开发购物网站
- 基于STM32正弦波逆变器设计包括正弦逆变器全套文件,软件代码+原理图PCB文件.zip
- STM32F103C8T6+CTM8251+MAX3232协处理器核心板AD设计原理图+PCB工程文件.zip
- 2020人工智能在五大行业的成就与挑战
- 贝叶斯网络之父：Judea Pearl论文集4
- 无线扫描枪-手机端
- hulft入门手册
- 基于SVM与人工神经网络的车牌识别C++实现
- java版ftp上传下载工具类
- spacy包en models
- vhdl源代码CRC
- javaweb项目——VOA英语学习网站
- 超级模块Super8.0模块完整源码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明