前言
Bandits -> Contextual Bandits -> RL， 3个方向不断进阶。contextual bandits 相比于bandits多了特征优势，相比于RL是一步reward反馈。正好有个大佬整理了这几种算法的对比，顺便学习下。
资料链接：
github地址：https://github.com/sauxpa/neural_exploration
算法解读：https://zhuanlan.zhihu.com/p/262608477
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
