ScholarGate
Asistents
Process / pipelineDeneysel desen

Adaptīvā A/B testēšana — Adaptīvā A/B testēšana

Adaptīvā A/B testēšana ir eksperimentāls dizains, kas dinamiski pārdala trafiku vai dalībniekus uz labāk veicošajiem variantiem eksperimenta laikā, nevis notur fiksētas sadales līdz tā beigām. Balstoties uz daudzaramatu bandit-algoitmiem, piemēram, Tompsona izlasi (Thompson Sampling) vai augšējo uzticamības robežu (Upper Confidence Bound, UCB), tā līdzsvaro nenoteikto variantu izpēti ar jau esošo pārākās veiktspējas variantu izmantošanu, parasti nodrošinot augstākus kopējos rezultātus, vienlaikus joprojām sniedzot derīgus secinājumu rezultātus.

Atrast tematu ar PaperMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

  1. 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
  2. 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

Kā citēt šo lapu

ScholarGate. (2026, June 3). Adaptive A/B Testing. ScholarGate. https://scholargate.app/lv/experimental-design/adaptive-ab-test

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateAdaptive A/B test (Adaptive A/B Testing). Izgūts 2026-06-15 no https://scholargate.app/lv/experimental-design/adaptive-ab-test · Datu kopa: https://doi.org/10.5281/zenodo.20539026