Uji A/B Adaptif — Pengujian A/B Adaptif
Uji A/B Adaptif adalah desain eksperimental yang secara dinamis mengalokasikan ulang lalu lintas atau partisipan ke varian yang berkinerja lebih baik selama eksperimen itu sendiri, alih-alih mempertahankan alokasi tetap hingga akhir. Mengambil dari algoritma bandit multi-lengan seperti Thompson Sampling atau Upper Confidence Bound (UCB), ia menyeimbangkan eksplorasi varian yang tidak pasti dengan eksploitasi varian yang sudah menunjukkan kinerja unggul, biasanya menghasilkan hasil agregat yang lebih tinggi sambil tetap menghasilkan kesimpulan inferensial yang valid.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Russo, D., Van Roy, B., Kazerouni, A., Osband, I., & Wen, Z. (2018). A Tutorial on Thompson Sampling. Foundations and Trends in Machine Learning, 11(1), 1–96. DOI: 10.1561/2200000070 ↗
- Offer-Westort, M., Coppock, A., & Green, D. P. (2021). Adaptive Experimental Design: Prospects and Applications in Political Science. American Journal of Political Science, 65(4), 826–844. DOI: 10.1111/ajps.12597 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Adaptive A/B Testing. ScholarGate. https://scholargate.app/id/experimental-design/adaptive-ab-test
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Desain ABDesain Eksperimen↔ compare
- Eksperimen AdaptifDesain Eksperimen↔ compare
- Uji-A/B TerblokirDesain Eksperimen↔ compare
- Uji-A/B FaktorialDesain Eksperimen↔ compare
- Eksperimen multi-lenganDesain Eksperimen↔ compare
- Uji Coba Terkendali Acak (RCT)Desain Eksperimen↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →