bandit-based

バンディット法に基づく。試行と活用を配分する

1本の論文題名に登場

定義

多腕バンディット問題の考え方に基づく、という意味。限られた試行回数を、まだ分からない選択肢の探索と、良さそうな選択肢の活用にどう配分するかを扱い、ハイパーパラメータ探索や推薦・広告配信で使われる。行動が次の状態を変えない点で、一般の強化学習より単純な設定。

多腕バンディット由来