バンディットアルゴリズム

いろんなバンディットアルゴリズムを理解しようで紹介したバンディットの実装。 学習したパラメータを保存しやすいように、json出力を意識した実装になってます。

Bandit

0/1報酬

python -m binary

連続報酬

python -m continuous

Contextual Bandit

0/1報酬

python -m contextual_binary

クラスタごとに好みの腕を仮定した場合

python -m contextual_binary_cluster

連続報酬

python -m contextual_continuous

Cascading Bandit

python -m cascading

Contextual Cascading Bandit

アイテムにcontextを仮定した実験

python -m contextual_cascading

Personalized Cascading Bandit

ユーザーにcontextを仮定した実験

python -m personalized_cascading