Выборка Томпсона со смешанным эффектом
Contextual bandit — это популярная платформа для онлайн-обучения действиям в условиях неопределенности. На практике количество действий огромно, и их ожидаемые вознаграждения коррелируют. В этой работе мы представляем общую структуру для фиксации таких корреляций
https://www.amazon.science/publications/…