Mis on kontekstuaalsed bandiidid?

Kontekstuaalsed bandiidid on üks mitme-õraga bandiitide algoritmide variatsioon, kus iga sammu jooksul saab algoritm teatud konteksti (näiteks kasutaja või keskkonna teave) ja peab valima tegevuse (näiteks reklaami kuvamine või toote soovitamine), et maksimeerida oodatavat auhinda. Erinevalt klassikalistest bandiitidest, kus valik tehakse ilma konteksti arvestamata, siin arvestatakse täiendavat teavet, mis võimaldab tõhusamalt kohaneda erinevate olukordadega.

Näide kasutusest on soovituste personaliseerimine: süsteem näeb kasutaja profiili (kontekst) ja valib parima sisuvariandi (tegevus), saades tagasisidet (auhinna) kliki või ostu vormis. See aitab teha tõhusamaid A/B teste ja katsetada erinevaid võimalusi, minimeerides ebaõnnestunud soovituste tõttu tekkivaid kaotusi.