多腕バンディット問題（Multi-Armed Bandit Problem）は、機械学習における強化学習の一分野です。 多腕バンディットとは実際にはスロットマシンのことで、レバー（腕）を引くと、ランダムに生成された確率分布に基づいて報酬が得られます。一つのスロット ...