前言

　　Bandits -> Contextual Bandits -> RL， 3个方向不断进阶。contextual bandits 相比于bandits多了特征优势，相比于RL是一步reward反馈。正好有个大佬整理了这几种算法的对比，顺便学习下。

 

 

资料链接：

github地址：https://github.com/sauxpa/neural_exploration

算法解读：https://zhuanlan.zhihu.com/p/262608477