Thompson-Sampling
Definition
Thompson-Sampling wählt für eine Entscheidung zufällig eine Hypothese aus der bisher gelernten Verteilung aus.
Eine Bayes-Strategie für sequenzielle Entscheidungen, die eine Modellhypothese aus dem Posterior zieht und danach handelt.
Einfach erklärt
Das Verfahren zieht eine mögliche Erklärung passend zum bisherigen Wissen und entscheidet auf dieser Grundlage. Mit neuen Ergebnissen verändert sich die Grundlage späterer Entscheidungen.
Warum das im Alltag wichtig ist
Der Begriff hilft, KI-Systeme fundiert auszuwählen, zu entwickeln, zu bewerten und ihre technischen Risiken realistisch einzuordnen.
Beispiel aus dem Mittelstand
Ein Händler verteilt begrenzten Testverkehr adaptiv auf Angebotsvarianten und wahrt feste Sicherheitsgrenzen.
Grenzen und Fallstricke
- Falsche Priors, verzögertes Feedback und nichtstationäre Effekte können Entscheidungen verzerren; Exploration bleibt risikobehaftet.
Entstehung & Geschichte
William R. Thompson beschrieb das Verfahren 1933 für adaptive Behandlungsentscheidungen.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein Händler verteilt begrenzten Testverkehr adaptiv auf Angebotsvarianten und wahrt feste Sicherheitsgrenzen.
Häufige Fragen
Was bedeutet Thompson-Sampling?
Eine Bayes-Strategie für sequenzielle Entscheidungen, die eine Modellhypothese aus dem Posterior zieht und danach handelt. Worauf sollte man achten? Falsche Priors, verzögertes Feedback und nichtstationäre Effekte können Entscheidungen verzerren; Exploration bleibt risikobehaftet.
Quellen
- On the Likelihood that One Unknown Probability Exceeds Another · Thompson, On the Likelihood that One Unknown Probability Exceeds Another
Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse.
Redaktionell geprüft am: