摘要： 今日内容 完成概率图模型以及强化学习的重点复习 \(\epsilon\)-贪心：基于一个概率来对探索和利用进行折中：每次尝试时，以$\epsilon$的概率进行探索，以均匀概率随机选取一个摇臂，以1-$\epsilon$的概率进行利用，即选择当前平均奖赏最高的摇臂 比如图上有五个摇臂，有100次摇臂 阅读全文