Qu'est-ce que les contextual bandits et où les appliquer?

Les bandits contextuels sont une variante des algorithmes d'apprentissage par renforcement, où l'agent choisit une action (par exemple, une recommandation) en fonction du contexte actuel (par exemple, les informations sur l'utilisateur) et ne reçoit de rétroaction que sur l'action choisie. Contrairement au problème classique du bandit à plusieurs bras, où il n'y a pas de contexte, ici, des informations supplémentaires sont prises en compte, permettant de prendre des décisions plus personnalisées.

Applications:

• Systèmes de recommandation (par exemple, afficher des produits ou articles pertinents à l'utilisateur)
• Personnalisation de la publicité
• Optimisation des interfaces et tests A/B
• Décisions médicales, où il faut choisir un traitement basé sur les caractéristiques du patient

Exemple : lors de l'affichage d'un fil d'actualités, l'algorithme choisit un article en tenant compte du profil de l'utilisateur et, en fonction des clics, améliore le choix à l'avenir.