Definition
El problema de la banda multinivel ilustra el dilema al que se enfrenta un agente al decidir si mantenerse en una opción conocida que genera recompensas (explotación) o probar nuevas opciones para descubrir posibles mejores recompensas
Summary
Un problema de banda multinivel (multi-armed bandit) es un problema clásico en la teoría de la probabilidad y el aprendizaje por refuerzo que modela el equilibrio entre exploración y explotación.
Key Concepts
- Exploración frente a explotación
- Maximización de recompensas
- Procesos estocásticos
- Minimización del arrepentimiento
Use Cases
- Optimización de pruebas A/B
- Sistemas de recomendación
- Estrategias de colocación de anuncios