Ce sunt bandiții contextual și unde sunt aplicați?

Banditii contextuali sunt o variantă a algoritmilor de învățare prin întărire, în care agentul alege o acțiune (de exemplu, o recomandare) pe baza contextului actual (de exemplu, informații despre utilizator) și primește feedback doar despre acțiunea aleasă. Spre deosebire de problema clasică a banditului cu mai multe brațe, unde nu există context, aici se ia în considerare informație suplimentară, ceea ce permite luarea unor decizii mai personalizate.

Aplicații:

• Sisteme de recomandare (de exemplu, afișarea de produse sau articole relevante utilizatorului)
• Personalizarea publicității
• Optimizarea interfețelor și testarea A/B
• Decizii medicale, unde trebuie ales un tratament pe baza caracteristicilor pacientului

Exemplu: la afișarea unui flux de știri, algoritmul alege un articol ținând cont de profilul utilizatorului și, pe baza clicurilor, îmbunătățește alegerea în viitor.