AI养蛊：让钓鱼邮件和反钓鱼邮件系统打一架

mab

多臂老虎机，又称为mab。

同一个环境，动作，状态下有可能返回1，有可能返回0。

也就是说环境反馈它不是一个固定的值。

可以假设为有五个函数，也就是相当于五种反馈，第一个函数返回1的概率是20％，返回0的概率是80％。

代码实现：

import numpy as np
imp