Adaptiv A/B-test — Adaptiv A/B-testing
En adaptiv A/B-test er et eksperimentelt design som dynamisk omfordeler trafikk eller deltakere til bedre presterende varianter under selve eksperimentet, i stedet for å holde allokeringene faste til slutten. Ved å trekke på multi-arm bandit-algoritmer som Thompson Sampling eller Upper Confidence Bound (UCB), balanserer den utforskningen av usikre varianter med utnyttelsen av de som allerede viser overlegen ytelse. Dette gir typisk høyere samlede resultater, samtidig som den produserer gyldige inferensielle konklusjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Adaptive A/B Testing. ScholarGate. https://scholargate.app/no/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.
- AB-designForsøksdesign↔ compare
- Adaptivt eksperimentForsøksdesign↔ compare
- Blokkert A/B-testForsøksdesign↔ compare
- Faktoriell A/B-testForsøksdesign↔ compare
- Multi-arm eksperimentForsøksdesign↔ compare
- Randomisert kontrollert studie (RCT)Forsøksdesign↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →