eugeneyan.com（Eugene Yan 个人博客） · Eugene Yan
Bandits for Recommender Systems
理解并区分 ε-greedy、UCB、Thompson Sampling 三类老虎机算法，了解它们在推荐系统工业实践中的落地方式与取舍。
eugeneyan.com
- 难度
- 入门
- 类型
- 博客与教程 · 文章
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 打开即可学习
使用限制
公开网页，无需账号即可阅读全文。
- 练习与作业
- 开课提示词尚未实际运行验证
学完你能
- 解释推荐系统中反馈回路问题，以及为什么需要探索
- 说明 action/arm、reward、value、policy 等老虎机基本术语
- 描述 ε-greedy 的工作原理及其探索方面的局限
- 说明 UCB 如何用置信上界建模不确定性并做选择
- 说明 Thompson Sampling 如何用 Beta 分布与采样平衡探索与利用
- 举出若干工业界用 ε-greedy、UCB、Thompson Sampling 做推荐的案例
- 了解用 bootstrap、dropout 等深度学习方法建模不确定性的思路
适合你吗
适合
适合做推荐系统、想在冷启动与快速变化的物品集上引入探索机制的学习者，也适合作为强化学习/多臂老虎机概念在工业场景中的入门读本。
暂不适合
不适合想从零系统学强化学习理论、或需要配套代码实操的读者；文章偏概念与案例综述，未提供完整实现代码。
需要先会
需要了解推荐系统基本流程（候选生成、排序）与基础概率统计概念（分布、均值、置信区间）。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- 读完可为每种算法写一段简短对照笔记，并挑一个自己的推荐场景判断更适合哪种探索策略。
- 学习时长
- 1 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 内容费用
- 免费节选可直接读到文章正文全部主要章节内容，无付费墙或登录提示。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-21
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。