Bandit 的精髓之一就是在没有特征，没有状态的情况下进行选择。如果LinUCB引进来了，说明U-I的特征也有了，这时候能用的算法就很多了，包括DQN等。我理解的对吗？

简单搜索了下，除了典型的商品和内容推荐，也有人在非工业领域用于搜索更好的游戏策略(蒙特卡罗模拟)，更好的短信交互策略提高用户互动目标的完成度。如果更幻想一些，理论上有足够多的数据也可以协助更好地诊断疾病标签和推荐可能更有效的治疗方案(如果医疗机构有意愿积极协作)。

老师好。看完您的视频，就能找份推荐的工作了吗？谢谢

感觉就是矩阵分解呀

没讲清楚，都有这么多数据积累了，干嘛不直接用LR

哈哈，放心，我会学完的~~ 只不过学到这儿，是我第一个需要课下再消化一下的小节，光那篇论文需要细细研读一遍~~~

讲的很好，就是后面的linUCB感觉是个大工程，需要不断优化不断累积修正特征