Čo sú kontextuálni banditi?

Kontextové bandity sú varianta algoritmov multi-armed bandit, kde v každom kroku algoritmus dostáva určitý kontext (napríklad informácie o používateľovi alebo prostredí) a musí vybrať akciu (napríklad zobraziť reklamu alebo odporučiť produkt), aby maximalizoval očakávanú odmenu. Na rozdiel od klasických banditov, kde je voľba vykonaná bez ohľadu na kontext, tu sa zohľadňuje dodatočná informácia, čo umožňuje efektívnejšie prispôsobenie rôznym situáciám.

Príklad použitia je personalizácia odporúčaní: systém vidí profil používateľa (kontext) a vyberá najlepšiu možnosť obsahu (akciu), pričom dostáva spätnú väzbu (odmenu) vo forme kliknutia alebo nákupu. To pomáha vykonávať efektívnejšie A/B testy a experimentovať s rôznymi možnosťami, minimalizujúc straty z neúspešných odporúčaní.