Presná definícia
Čo znamená Thompsonovo vzorkovanie?
Thompsonovo vzorkovanie je bayesovská stratégia prieskumu, ktorá v každom kroku odoberie možné parametre z posterioru a zvolí akciu optimálnu pre túto vzorku. Akciu tak vyberá približne podľa posteriorovej pravdepodobnosti, že je najlepšia.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri výbere variantu odporúčania tím aktualizuje posterior úspešnosti po každej dávke a sleduje regret, kalibráciu aj minimálne zastúpenie citlivých segmentov.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo presne znamená Thompsonovo vzorkovanie?
Thompsonovo vzorkovanie je bayesovská stratégia prieskumu, ktorá v každom kroku odoberie možné parametre z posterioru a zvolí akciu optimálnu pre túto vzorku.
Kedy sa Thompsonovo vzorkovanie používa?
Pri výbere variantu odporúčania tím aktualizuje posterior úspešnosti po každej dávke a sleduje regret, kalibráciu aj minimálne zastúpenie citlivých segmentov.
Od čoho treba Thompsonovo vzorkovanie odlíšiť?
Greedy stratégia vždy volí aktuálny odhad maxima; Thompson sampling náhodne zohľadňuje neistotu posterioru.
Ako sa Thompsonovo vzorkovanie kontroluje?
Kontroluje sa prior, aktualizácia likelihoodu, simulovaný regret, citlivosť na oneskorené odmeny a off-policy vyhodnotenie.
Aké obmedzenie má Thompsonovo vzorkovanie?
Chybne špecifikovaný posterior alebo necenzurovaná spätná väzba môže dlhodobo zvýhodňovať nesprávnu akciu.