🎰 K-armed Bandit

K-armed Bandit: 各アームには隠された当たり確率 p_i。 あなたが毎回どのアームを引くか選ぶ。
探索 (explore) = 情報集め (どれが良いか確かめる)、活用 (exploit) = 今のところベストっぽいのを引く。 このバランスをどう取るかがポイント。シミュレーションタブで ε-greedy / UCB1 / Thompson Sampling の比較が見られます。