Ne tür gerçek yaşam durumlarında çok kollu bir haydut algoritması kullanabiliriz?

Çok kollu haydutlar, seçenekleriniz olduğu ve hangisinin sağlığınızı en üst düzeye çıkaracağından emin olmadığınız durumlarda iyi çalışır. Algoritmayı bazı gerçek yaşam durumları için kullanabilirsiniz. Örnek olarak, öğrenme iyi bir alan olabilir:

Bir çocuk marangozluk öğreniyorsa ve bu konuda kötü ise, algoritma ona muhtemelen devam etmesi gerektiğini söyleyecektir. Eğer bu konuda iyiyse, algoritma ona bu alanı öğrenmeye devam etmesini söyleyecektir.

Arkadaşlık da iyi bir alandır:

Siz bir bayanı takip etmek için çok çaba harcadığınız bir adamsınız. Ancak, çabalarınız kesinlikle memnuniyetsizdir. Algoritma, devam etmek için "hafifçe" (veya güçlü bir şekilde) sizi itmelidir.

Çok kollu haydut algoritmasını başka hangi gerçek yaşam durumunda kullanabiliriz?

_{Not: Soru çok genişse, lütfen bir yorum bırakın. Bir fikir birliği varsa, sorumu kaldıracağım.}

Orijinal Pokemon oyunlarını (Kırmızı veya Mavi ve Sarı) oynadığınızda ve Celadon şehrine ulaştığınızda, Takım roket slot makineleri farklı oranlara sahiptir. Porygon'u gerçekten hızlı bir şekilde almak için optimize etmek istiyorsanız, Multi-Arm Bandit orada.

Tüm ciddiyette insanlar, makine öğreniminde ayar değişkenlerini seçmeyle ilgili sorun hakkında konuşurlar. Özellikle çok fazla değişkeniniz varsa, keşif ve sömürü hakkında konuşulur. Spearmint veya bu konuda, ayarlama parametrelerini seçmek için süper basit bir algoritma kullanan yeni bir kağıt gibi görün (ve diğer ayarlama değişkeni tekniklerinden daha iyi performans gösteriyor)

Biyomedikal tedavi / araştırma tasarım ortamında kullanılabilirler. Örneğin, q-öğrenme algoritmalarının Sıralı, Çoklu Atama, Rastgele Deneme ( SMART denemelerinde ) kullanıldığına inanıyorum . Fikir şu ki, tedavi rejimi hastanın kaydettiği ilerlemeye en uygun şekilde uyum sağlıyor. Bunun bireysel bir hasta için en iyi nasıl olabileceği açıktır, ancak randomize klinik çalışmalarda da daha etkili olabilir.

Farklı reklamların farklı kullanıcılara gösterildiği ve gelecekte hangi reklamların gösterileceği konusunda kararlar alındığı sonuçlara göre çevrimiçi reklamcılığın A / B testinde kullanılırlar. Bu, Google araştırmacısı Steven L. Scott tarafından güzel bir makalede açıklanmıştır .

Aynı soruyu Quora'da sordum

İşte cevap

• Bir kuruluşun farklı departmanları için fon tahsisi

• Sınırlı süre ve keyfi seçim eşiği verilen bir grup öğrenciden en iyi performans gösteren sporcuları seçmek

• Yeni özellikleri aynı anda test ederken web sitesi kazançlarını en üst düzeye çıkarma (A / B testi yerine) Sıkı bir istatistiksel model oluşturmak için yeterli veriye sahip olmadığınızda sonuçları optimize etmek istediğinizde bunları kullanabilirsiniz.