标签： reinforcement-learning
我正在使用Ads CTR数据集。 链接：https://drive.google.com/file/d/1whkIInL4FKeHg2IfdcbT1j18L26fg9aF/view 我使用UCB（上限可信度）训练了模型，结果发现广告4大部分被点击了。 但是我在这里感到困惑。 我不能简单地从提供的数据集中计算出来吗？ 我们如何将UCB应用于没有此数据集的现实问题中？ 我们是否同时保持跟踪和更新我们的模型？ 有人，请帮忙。