假设我有一个长度为5的上下文向量x，它在0和1之间随机采样。我可以在python中将代码编码为
import numpy as np
x = np.random.uniform(0,1,5)
首先，我想对依赖于上下文向量的奖励函数建模。假设奖励是0或1。在仿真中对此建模的最佳方法是什么？
接下来，假设我有100个不同的用户，并且对于每个用户，奖励功能在上下文中的变化方式也不同。因此，我想如果将奖励函数建模为伯努利分布，则可以为不同的用户提供不同的平均值。但是我想针对不同的上下文进行建模。我不确定如何建模。对于一组100个用户，在不同上下文中模拟奖励的最佳方法是什么？