bandit
https://chuansongme.com/n/362337751839
Thompson sampling
beta分布，参数\alpha,\beta
当个体的样本数据很小时，使用总体的样本数据作为个体的初始值 例如n个棒球运动员共击球10000次，共击中2700次 当有一个新的棒球运动员出现时， 其共击球5次，共集中2次， 我们认为这个棒球运动员的初始状态为棒球运动员的平均水平， 因此可以当做该棒球运动员共击球10005次，共击中2702次 当这个新的棒球运动员数据足够多时，