汤普森采样：一种用于“探索-利用”权衡的贝叶斯决策方法，常见于多臂老虎机（multi-armed bandit）问题。核心做法是：根据当前数据得到参数的后验分布，从后验中随机采样一组参数，并选择在该采样下看起来最优的行动；通过这种“按不确定性比例随机尝试”，在探索新选项与利用已知好选项之间取得平衡。
/ˈtɑːmpsən ˈsæmplɪŋ/
We used Thompson sampling to choose which ad to show each user.
我们使用汤普森采样来决定向每个用户展示哪条广告。
In a contextual bandit setting, Thompson sampling can adapt to changing user preferences by updating the posterior after each interaction.
在情境老虎机（contextual bandit）设定中，汤普森采样可以在每次交互后更新后验分布，从而适应不断变化的用户偏好。
“Thompson”来自统计学家 William R. Thompson，他在1933年的研究中提出了用后验概率来进行序贯决策的思想；“sampling”意为“采样/抽样”，指从后验分布中随机抽取参数或模型假设。该方法后来在机器学习与在线推荐/广告投放等领域被广泛采用与推广。
Select Language