1 MAB問題和Bandit算法
- Bandit算法定義
最大化收益
解決冷啟動和EE問題
最小化累積遺憾，把選擇的機會給那些確定好的和還不確定的選項 - Bandit算法實現(xiàn)
湯普森采樣：使用B分布，α和β，點擊了α+1，沒點擊β+1，對于每個臂根據(jù)概率分布產(chǎn)生隨機數(shù)，選擇隨機數(shù)最大的那個
UCB算法：使用置信空間上界，預(yù)估期望和預(yù)估收益的置信區(qū)間寬度，每次給分最高的，對選擇次數(shù)不足的臂給予照顧，傾向于那些確定收益好的
Epsilon貪心算法 - 冷啟動
用分類或者topic表示用戶的興趣，對每個新用戶，用湯普森采樣為每個類采樣一個隨機數(shù)，排序后輸出TopK個視頻，根據(jù)點擊和不點擊更新對應(yīng)的Topic的參數(shù)
2 UCB算法
加入特征的UCB算法LinUCB，收斂快，臂的獨立參數(shù)，動態(tài)處理
3 Bandit算法和協(xié)同過濾
解決信息繭房的問題
抱團取暖+走一步看一步
