Looking at this code, we see that t

Looking at this code, we see that the update function first increments the counts field
that records the number of times we’ve played each of the arms for this bandit problem
to reflect the chosen arm. Then it finds the current estimated value of the chosen arm.
If this is our first experience ever with the chosen arm, we set the estimated value directly
to the reward we just received from playing that arm. If we had played the arm in the
past, we update the estimated value of the chosen arm to be a weighted average of the
previously estimated value and the reward we just received. This weighting is important,
because it means that single observations mean less and less to the algorithm when we
already have a lot of experience with any specific option. The specific weighting we’ve
chosen is designed to insure that the estimated value is exactly equal to the average of
the rewards we’ve gotten from each arm.

Kết quả (Việt) 1:

Nhìn vào mã này, chúng ta thấy rằng chức năng Cập Nhật đầu tiên increments trường đếmđó ghi lại số lần chúng tôi đã đóng mỗi tay cho vấn đề này tên cướpđể phản ánh các cánh tay được lựa chọn. Sau đó, nó tìm thấy giá trị ước tính hiện tại của cánh tay được lựa chọn.Nếu điều này là của chúng tôi kinh nghiệm đầu tiên bao giờ hết với cánh tay được lựa chọn, chúng tôi thiết lập giá trị ước tính trực tiếpđến phần thưởng chúng tôi vừa nhận được từ chơi cánh tay đó. Nếu chúng tôi đã chơi cánh tay ở cáctrong quá khứ, chúng tôi cập nhật giá trị ước tính của cánh tay được lựa chọn để có một trung bình trọng số của cáctrước đây giá trị ước tính và các phần thưởng chúng tôi vừa nhận được. Nặng này là quan trọng,bởi vì nó có nghĩa rằng một quan sát có nghĩa là ít hơn và ít cho các thuật toán khi chúng tôiđã có rất nhiều kinh nghiệm với bất kỳ tùy chọn cụ thể. Cụ thể trọng chúng talựa chọn được thiết kế để đảm bảo rằng giá trị ước tính là chính xác bằng với mức trung bìnhphần thưởng chúng tôi đã nhận được từ mỗi cánh tay.

Kết quả (Việt) 2:

Nhìn vào mã này, chúng ta thấy rằng các chức năng cập nhật đầu tiên gia số lĩnh vực tội
ghi lại số lần chúng tôi đã chơi mỗi cánh tay cho vấn đề tên cướp này
để phản ánh các cánh tay chọn. Sau đó nó tìm thấy giá trị ước tính hiện tại của cánh tay chọn.
Nếu đây là kinh nghiệm đầu tiên của chúng tôi bao giờ hết với các cánh tay lựa chọn, chúng ta thiết lập giá trị ước tính trực tiếp
đến các phần thưởng, chúng tôi vừa nhận được từ phát nhánh đó. Nếu chúng tôi đã chơi tay trong
quá khứ, chúng tôi cập nhật giá trị ước tính của cánh tay chọn để trở thành bình quân gia quyền của các
giá trị ước tính trước đây và phần thưởng, chúng tôi vừa nhận được. Trọng này là quan trọng,
bởi vì nó có nghĩa là quan sát duy nhất có nghĩa là ít hơn và ít hơn vào các thuật toán khi chúng tôi
đã có rất nhiều kinh nghiệm với bất kỳ tùy chọn cụ thể. Các trọng số cụ thể, chúng tôi đã
chọn được thiết kế để đảm bảo rằng giá trị ước tính là chính xác bằng với mức trung bình của
các phần thưởng, chúng tôi đã nhận được từ mỗi cánh tay.