Какво са контекстуалните бандити?

Контекстуалните бандити са разновидност на алгоритмите за многооръжей бандит, където на всяка стъпка алгоритъмът получава определен контекст (например информация за потребителя или околната среда) и трябва да избере действие (например показване на реклама или препоръчване на продукт), за да максимизира очакваната награда. За разлика от класическите бандити, където изборът се прави без да се взема предвид контекстът, тук се отчита допълнителна информация, което позволява по-ефективно адаптиране към различни ситуации.

Пример за използване е персонализацията на препоръките: системата вижда профила на потребителя (контекст) и избира най-добрия вариант на съдържание (действие), получавайки обратна връзка (награда) под формата на клик или покупка. Това помага за по-ефективно провеждане на A/B тестове и експериментиране с различни варианти, минимизирайки загубите от неуспешни препоръки.