价格优化的多武装强盗分析

Question

最近,我读了一篇名为Bandits Know the Best Product Price的博客文章"(http://pkghosh.wordpress.com/2013/08/25/bandits-know-the-best-product-price/),其中概述了如何使用多臂强盗分析进行价格优化.

关于多臂强盗分析是否优于A/B测试(例如"每次将击败A/B测试的20行代码")还有很多讨论:http://stevehanov.ca/blog/index .php？id = 132？utm_medium =推荐与"为什么多臂强盗算法不比A/B测试更好":http://visualwebsiteoptimizer.com/split-testing-blog/multi-armed-bandit-算法/).

我知道有一个叫做"强盗"的R包,它可以用于这样的分析.

有人有一个玩具示例 -与博客文章中的示例相似 - 它显示了如何通过使用R(在价格优化的背景下)应用此方法？

谢谢你的帮助.

Answer 1

我最近在做一个关于强盗算法的项目。基本上，强盗算法的性能很大程度上取决于数据集。它非常适合使用搅动数据进行连续测试。那么您需要做什么来根据测试数据来测试和调整您的模型。

\n\n

为了更多地了解bandit，你可以阅读这本书，网站优化的bandit算法：http://shop.oreilly.com/product/0636920027393.do。它很好地解释了基本的 bandit 算法并用 Python 实现。你可以在 Github 中找到它的代码： https: //github.com/johnmyleswhite/BanditsBook。然而，他们在书中并没有谈论上下文强盗。

\n\n

对于R，我不太确定。但我刚刚在网上搜索，我发现有人用R实现了bandits，这是代码： https: //github.com/lotze/bandit

\n\n

希望它可以帮助你。

\n