概念Contextual Bandit

上下文多臂老虎机

一种强化学习框架，根据上下文选择动作并利用奖励信号优化策略，常用于个性化推荐与时机决策学习

时间轴 (近 90 天)

10月23日

基于行为的时机学习通常采用上下文多臂老虎机（Contextual Bandit）或强化学习框架。

待验证50%

基于行为的时机学习通常采用上下文多臂老虎机（Contextual Bandit）或强化学习框架。