Thompson Sampling — 汤普森采样（Thompson Sampling）

事实

一种按不确定性采样来平衡探索与利用的决策方法。

人话

夜市套圈别老盯着同一个奖品猛砸，先按手感挑几个都试试；哪个看着更有戏，就多分它几枚圈。

常用于推荐、广告等在线分配，边试边学，把流量更多给更可能有效的选项。

相关概念

• 探索-利用权衡
• Reinforcement Learning｜强化学习

Exploration-Exploitation Tradeoff
它用概率采样来平衡试新选择和吃老本。

Reinforcement Learning
它常作为在线决策策略，用于边行动边学习。