? ? ?當前，問題優化常用的測試方法是使用A/Btest, 即使用隨機的相同規模的流量分別進行A組結果或B組結果測試。

? ? ?那么我們來看下A/Btest 的組成：

• 一個短時間的純探索階段，你需要找相同數量的用戶進入A,B組。
• 一個長時間的利用階段，即所有用戶進入結果更好的實驗組，然后不再回退。

? ? ?為什么說這是一個有缺點的策略：

• 這是一個探索與利用完全分離的策略，要么純探索要么純利用，但是你其實可以在這兩個階段平滑過度。
• 在純探索階段，其實存在一定的資源浪費，就是你一定要拿到相同量級的結果數據，但是當一個實驗組的結果顯著的非常差的時候，你其實不需要那么多數據來證明結果。

? ? 賭博機算法可以為以上兩個問題提供解決方案：算法可以平滑的進行兩個階段的過度。算法會用資源去探索更好的結果，而不是浪費在顯著差的實驗中。

? ? ?

總結

以上是生活随笔為你收集整理的为什么使用multiarmed bandit algorithms（多臂赌博机算法）--与A/Btest的对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。