为什么使用multiarmed bandit algorithms（多臂赌博机算法）--与A/Btest的对比

     当前，问题优化常用的测试方法是使用A/Btest, 即使用随机的相同规模的流量分别进行A组结果或B组结果测试。

     那么我们来看下A/Btest 的组成：

• 一个短时间的纯探索阶段，你需要找相同数量的用户进入A,B组。
• 一个长时间的利用阶段，即所有用户进入结果更好的实验组，然后不再回退。

     为什么说这是一个有缺点的策略：

• 这是一个探索与利用完全分离的策略，要么纯探索要么纯利用，但是你其实可以在这两个阶段平滑过度。
• 在纯探索阶段，其实存在一定的资源浪费，就是你一定要拿到相同量级的结果数据，但是当一个实验组的结果显著的非常差的时候，你其实不需要那么多数据来证明结果。

    赌博机算法可以为以上两个问题提供解决方案：算法可以平滑的进行两个阶段的过度。算法会用资源去探索更好的结果，而不是浪费在显著差的实验中。

     

总结

以上是生活随笔为你收集整理的为什么使用multiarmed bandit algorithms（多臂赌博机算法）--与A/Btest的对比的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。