PDE approach to the problem of online prediction with expert advice: a construction of potential-based strategies
Southern Federal University(南联邦大学)
我们考虑一系列重复的预测游戏,并正式通过到极限。所得的非线性抛物型偏微分方程的上解在N的意义下与势函数密切相关。Cesa-Bianci,G. Lugosi(2003年)。任何这样的超解给出了一个上限预测的遗憾,并建议基于潜力的预测策略,满足Blackwell条件。一个传统的上限最坏情况下的遗憾是合理的一个简单的验证参数。
2017-05-02 cs.LG
Risk-Aware Algorithms for Adversarial Contextual Bandits
Carnegie Mellon University(卡内基梅隆大学);Microsoft Research(微软研究院)
在这项工作中,我们考虑了对抗性的上下文土匪与风险约束。在每一轮中,大自然都准备了一个上下文,每个手臂的成本,以及每个手臂的风险。学习者利用上下文来拉动手臂,然后接收与被拉动的手臂相关联的相应成本和风险。除了最小化累积成本之外,学习者还需要满足长期风险约束--所有被拉手臂的累积风险的平均值不应大于预先设定的风险。定义阈值。为了解决这个问题,我们首先研究了全信息设置,在每一轮中,学习者都会收到一个对抗性凸损失和一个凸约束。我们开发了一个Meta算法,利用在线镜像下降的充分信息设置,并将其扩展到上下文的强盗与风险约束设置使用专家的意见。我们的算法可以实现接近最优的遗憾方面的总成本最小化,同时成功地保持了次线性增长的累积风险约束违反。
2016-10-17 cs.LG stat.ML
Multi-Advisor Reinforcement Learning
Microsoft Research Maluuba(微软研究院 Maluuba)
我们考虑通过将其分发给$n$学习者来解决单代理RL问题。这些学习者,称为顾问,努力从不同的焦点解决问题。他们的建议,采取行动价值观的形式,然后传达给一个聚合器,这是在控制系统。我们发现,当地的规划方法的顾问是至关重要的,在文献中发现的是完美无瑕的:自我中心的规划高估的价值观的国家,其他顾问不同意,和不可知论的规划是低效的危险区周围。我们介绍了一种新的方法,称为移情,并讨论其理论方面。我们实证检验和验证我们的理论研究结果的水果收集任务。
2017-11-14 cs.AI cs.LG stat.ML
Defensive Universal Learning with Experts
本文展示了如何通过专家建议实现通用学习。为此,我们指定了一个专家算法,具有以下特点:(a)它只使用实际选择的行动(强盗设置)的反馈,(b)它可以应用于可数无限的专家类,(c)它处理的损失,可能会在适当的时间缓慢增长。我们证明了一个自适应对手的损失范围。由此,我们得到了一个主算法的“反应性”专家的问题,这意味着主的行动可能会影响对手的行为。我们的算法可以显着优于标准的专家算法在这样的问题。最后,我们将其与通用专家类相结合。由此产生的通用学习器执行-在某种意义上-几乎和任何可计算策略一样好,对于任何在线决策问题。我们还指定了(最坏情况下)收敛速度,这是非常慢的。
2005-07-18 cs.LG
Prediction with expert evaluators' advice
我们引入了一个新的协议,预测与专家的意见,每个专家评估学习者和他自己的性能使用的损失函数,可能会随着时间的推移而改变,并可能是不同的损失函数使用的其他专家。学习者的目标是表现得比每个专家更好或不差很多,由该专家评估,同时为所有专家。如果专家使用的损失函数都是适当的评分规则和所有的混合,我们表明,防御性预测算法享有相同的性能保证,可达到的聚集算法在标准设置和已知是最佳的。这一结果也适用于“专家”(或“睡眠”)专家的情况。在这种情况下,防御性预测算法简化为聚合算法的简单修改。
2009-03-23 cs.LG
The exponentially weighted average forecaster in geodesic spaces of non-positive curvature
HSE University(高等经济大学)
本文讨论的问题,预测与专家意见的结果在测地空间与非正曲率的意义上的亚历山德罗夫。通过几何的考虑,特别是重心的概念,我们扩展到这个设置的定义和分析的经典指数加权平均预测。我们还调整了在线到批量转换的原则,以适应这种设置。我们不久将讨论这些结果的应用范围内的聚合和重心估计的问题。
2020-02-03 cs.GT cs.LG math.MG
Time series model selection with a meta-learning approach; evidence from a pool of forecasting algorithms
Lancaster University(兰卡斯特大学);Technical University of Ostrava(俄斯特拉发技术大学);Sharif University of Technology(谢里夫理工大学)
时间序列预测中最具挑战性的问题之一是如何找到最佳算法。近年来,推荐系统方案已经被开发用于使用元学习方法的时间序列分析。该系统结合时间序列的特点选择最佳的预测方法。在本文中,我们提出了一种新的方法,专注于一些未回答的问题,使用元学习在时间序列预测。因此,在以前的作品中,三个主要的差距,包括解决,分析各种子集的顶级预测元学习器的输入;评估预测误差的措施的效果;和评估的作用的特征空间的维数对元学习器的预测误差。所有这些目标都是在各种最先进的预测人员和元学习者的帮助下实现的。为此,首先,在NN 5竞争数据集上实现预测算法池,并基于两个误差度量进行排名。然后,在时间序列的提取特征上训练六个被称为元学习器的机器学习分类器,以便为预测器池的各个子集分配最合适的预测方法。此外,为了研究特征空间维数对元学习器性能的影响,本文还实现了两维约简方法。一般来说,元学习器能够击败所有的基准预测器;即使在应用特征选择方法之后,这种性能也得到了改善。
2019-08-22 cs.LG stat.ML
Supermartingales in Prediction with Expert Advice
Computer Learning Research Centre(计算机学习研究中心);Royal Holloway, University of London(伦敦大学皇家霍洛威学院)
我们应用防御性预测的方法,使用博弈论上鞅的基础上,预测专家的意见。在传统的专家数可数和结果数有限的情况下,防御性预测算法非常接近于著名的聚集算法。对于这两种本质上不同的方法,不仅性能保证是相同的,而且预测也是相同的。我们还讨论了一个新的设置,专家可以给学习者的未来决定的建议条件。这两种算法都可以适应新的设置,并提供与传统设置相同的性能保证。最后,我们概述了防御性预测的应用程序设置几个损失函数。
2010-03-10 cs.LG
Long-Term Online Smoothing Prediction Using Expert Advice
Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院)
对于专家建议设置的预测,我们构造的预测算法所遭受的损失不会比池中的任何专家都多。与标准方法相比,我们研究了时间序列的长期预测情况,并考虑两种情况。在第一个中,在每个步骤$t$中,学习者必须组合专家针对前面的时间间隔$[t+1, t+d]$发布的点预测。我们的方法意味着,在每个时间步专家发布任意多个步骤的点预测,然后学习者(算法)将这些预测和之前的预测结合成一个矢量预测步骤$[t+1,t+d]$。通过结合过去和当前的长期预测,我们获得了一种平滑机制,可以保护我们的算法免受临时趋势变化、噪声和离群值的影响。在第二种情况下,在每一步,$t$专家发布一个预测函数,学习者必须将这些函数组合成一个函数,用于长期时间序列预测。对于每一种情况下,我们开发了一个算法,结合专家的预测和证明$O(\ln T)$对抗性遗憾上限两种算法。
2019-02-27 cs.LG stat.ML
Collaborative prediction with expert advice
UC Berkeley(加州大学伯克利分校)
许多实际的学习系统聚集了许多用户的数据,而学习理论传统上认为单个学习者信任他们所有的观察。一个很好的例子是专家建议预测的基本学习问题。到目前为止,还没有理论研究的一般合作版本的预测与专家的意见,其中许多用户面临着类似的问题,并希望分享他们的经验,以便更快地学习。这个协作框架中的一个关键问题是鲁棒性:通常,聚合数据的算法很容易受到即使是少数不诚实用户的操纵。我们展示了第一个强大的协作算法预测专家的意见。当所有用户都是诚实的,有相似的口味,我们的算法匹配的性能池数据和使用传统的算法。但我们的算法也保证了添加用户不会显着降低性能,即使额外的用户行为不利。即使绝大多数用户的行为是敌对的,我们也能实现强有力的保证。作为一个特殊的情况下,我们的算法是非常强大的用户之间的变化。
2016-04-08 cs.LG
Optimal Prediction Using Expert Advice and Randomized Littlestone Dimension
The Henry and Marilyn Taub Faculty of Computer Science, Technion, Israel(计算机科学学院,技术ion);Faculty of Mathematics, Technion, Israel(数学学院,技术ion);Department of Computer Science, Purdue University, USA(计算机科学系,普渡大学);Google Research, Israel(谷歌研究,以色列)
本文通过随机化Littlestone维度研究了最优预测问题,解决了利用专家建议的预测中的最优错误界问题。
2025-12-17 cs.LG
Online Prediction with Limited Selectivity
Imperial College London(伦敦帝国学院);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本文提出有限选择性的预测(PLS)模型,研究预测者仅能在时间范围子集上启动预测的场景,通过逐实例和平均情况分析最优预测误差,并引入复杂度度量给出实例依赖边界。
2025-08-13 cs.DS cs.LG
Online Learning with an Almost Perfect Expert
Purdue University(普渡大学);Microsoft Research(微软研究院)
我们研究了多类在线学习问题,其中预测者使用$n$专家的建议进行一系列预测。我们的主要贡献是分析的制度,最好的专家,使最$b$错误,并表明,当$b = o(\log_4{n})$,最佳的预测者所犯的错误的预期数量是最多$\log_4{n} + o(\log_4{n})$。我们还描述了一个对手的战略表明,这个界是紧的,最坏的情况下达到二进制预测。
2018-09-27 cs.DS cs.GT cs.LG
Nonstochastic Bandits with Infinitely Many Experts
Massachusetts Institute of Technology(麻省理工学院)
我们研究的问题,非随机土匪与专家的意见,从许多专家的设置扩展到任何可数无限集:学习者的目标是最大限度地提高总回报,通过采取行动,依次根据土匪反馈,同时对一组专家进行基准测试。我们提出了一个变体Exp4.P,对于许多专家,使正确的专家排名的推理,同时保持遗憾的上限的顺序。然后,我们将该变体合并到一个适用于无限多专家的元算法中。我们证明了$\tilde{\mathcal{O}} \big( i^*K + \sqrt{KT} \big)$上的遗憾的高概率上界,polylog的因素,其中$i^*$是未知的最佳专家的位置,$K$是行动的数量,和$T$是时间范围。我们还提供了一个结构化专家的例子,并讨论如何加快学习在这种情况下。当$i^* = \tilde{\mathcal{O}} \big( \sqrt{T/K} \big)$ .如果假设$i^*$存在先验分布,则最优性的概率随着$T$而增加,其速度可以很快。
2021-03-26 cs.LG stat.ML
Adaptive Selective Sampling for Online Prediction with Experts
Eindhoven University of Technology(埃因霍温理工大学);Eindhoven Artificial Intelligence Systems Institute (EAISI)(埃因霍温人工智能系统研究所(EAISI));University College London(伦敦大学学院);University of Amsterdam(阿姆斯特丹大学)
本文研究专家建议下的二进制序列在线预测问题,提出基于指数加权预测器的标签高效选择性采样算法,在减少标签收集的同时保持最优最坏情况遗憾,并证明其标签复杂度与轮数平方根成正比,且能渐近匹配主动学习的极小极大速率。
2023-10-20 cs.LG stat.ML
Learning in Games: Robustness of Fast Convergence
Cornell University(康奈尔大学);Tsinghua University(清华大学)
我们表明,学习算法满足$\textit{low approximate regret}$属性的经验快速收敛到近似最优的一大类重复的游戏。我们的性质,简单地要求每个学习者有小的遗憾相比,$(1+ε)$ -乘法近似的最佳行动在事后看来,是无处不在的学习算法,它是满足甚至香草对冲预测。我们的研究结果在许多方面改进了Syrgkanis等人[SALS 15]的近期工作。我们只要求参与者观察其他参与者的已实现行为下的收益,而不是预期收益。我们进一步表明,收敛发生的概率很高,并显示收敛下的强盗反馈。最后,我们提高了收敛速度的一个因素$n$,球员的数量。我们的分析提供了快速收敛的设置和算法类的范围比以前的工作要广泛得多。我们的框架适用于动态人口游戏,通过低近似的遗憾属性的变化专家。在这里,我们以两种方式加强了Lykouris等人的结果。[LST 16]:我们允许玩家从更大的类中选择学习算法,其中包括基本对冲算法的一个小变体,并且我们增加了达到近似最优的玩家的最大流失。在强盗设置,我们提出了一个新的算法,它提供了一个“小损失”型的界限,改善依赖于效用设置中的行动的数量,是既简单又有效。这一结果可能是独立的利益。
2016-12-16 cs.GT cs.LG
Prediction with Corrupted Expert Advice
Tel Aviv University(特拉维夫大学);Ben-Gurion University(本-古里安大学);Google Research(谷歌研究院)
我们重新审视预测的基本问题与专家的意见,在环境是良性的,并产生随机损失的设置,但由学习者观察到的反馈是受温和的对抗腐败。我们证明了经典的乘性权重算法的一个变体,随着步长的减小,在这种设置中实现了恒定的遗憾,并在广泛的环境中表现最佳,无论注入腐败的大小。我们的研究结果揭示了一个令人惊讶的差距之间的经常可比的遵循正规化的领导者(FTRL)和在线镜像下降(OMD)框架:我们表明,在腐败的随机制度的专家,遗憾的性能OMD实际上是严格劣于FTRL。
2020-10-20 cs.LG stat.ML
Online Learning with Uncertain Feedback Graphs
University of California, Irvine(加州大学欧文分校)
通过专家建议进行的在线学习广泛用于各种机器学习任务。它考虑的问题是,学习者从一组专家中选择一个来接受建议并做出决定。在许多学习问题中,专家可能是相关的,因此学习者可以观察到与所选专家相关的专家子集相关的损失。在这种情况下,专家之间的关系可以通过反馈图来捕获,该反馈图可以用于帮助学习者做出决策。然而,在实践中,名义反馈图往往带有不确定性,这使得它不可能揭示专家之间的实际关系。为了应对这一挑战,目前的工作研究各种情况下的潜在不确定性,并开发新的在线学习算法来处理不确定性,同时利用不确定反馈图。在较弱的条件下证明了所提算法具有次线性后悔性。在真实数据集上的实验证明了新算法的有效性。
2021-06-15 cs.LG stat.ML
Prediction against a limited adversary
University of Michigan(密歇根大学);Florida State Univeristy(佛罗里达州立大学)
我们研究的预测问题与专家的意见与对抗性腐败的对手可以在最腐败的一个专家。利用粘性理论的工具,我们描述了预测者和对手之间博弈的价值函数的长期行为。我们提供的增长率的下限和上限的遗憾,而不依赖于比较结果。我们发现,根据对遗憾的描述,游戏的限制行为可以显着不同。
2021-03-01 cs.LG math.PR
An Axiomatic Approach to Loss Aggregation and an Adapted Aggregating Algorithm
University of Tübingen(蒂宾根大学);Tübingen AI Center(蒂宾根人工智能中心)
本文针对专家建议下的在线学习,通过公理化假设将合理损失聚合函数表征为拟和,并提出聚合算法变体,继承了贝叶斯更新恢复与时间无关遗憾界等理论性质。
2024-06-04 cs.LG
Adversarial Online Learning with Temporal Feedback Graphs
MIT(麻省理工学院);Google Research(谷歌研究院)
本文研究时间反馈图约束下的专家建议预测问题,提出基于子团损失划分的新算法,并针对传递反馈图证明其可高效实现且达到最优遗憾界。
2024-06-30 cs.LG
An Online Boosting Algorithm with Theoretical Justifications
Institute of Information Science, Academia Sinica(中央研究院信息科学研究所);Department of Computer Science and Information Engineering, National Taiwan University(台湾大学计算机科学与信息工程学系)
我们研究了在线提升的任务-将在线弱学习者组合成在线强学习者。虽然批量提升具有良好的理论基础,但在线提升值得从理论角度进行更多的研究。在本文中,我们仔细比较了在线和批量boosting之间的差异,并提出了一个新的和合理的在线弱学习器的假设。基于这一假设,我们设计了一个在线的Boosting算法,通过适应离线SmoothBoost算法,密切匹配的假设,具有很强的理论保证。我们进一步解决的任务,决定弱学习者的数量,使用已建立的理论结果在线凸规划和预测专家的意见。在真实数据集上的实验表明,该算法与现有的在线boosting算法相比具有很好的性能。
2012-06-27 cs.LG stat.ML
Sequential Ski Rental Problem
Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
经典的“买或租”滑雪租赁问题最近被认为是在多个专家(如机器学习算法)建议滑雪季节的长度设置。在这里,强大的算法被开发出来,在对抗性的场景中,这种专家预测是不可用的,具有改进的理论性能。我们考虑这个问题的一个变种,我们称之为“连续滑雪租赁”的问题。在这里,一系列的滑雪租赁问题必须解决在一个在线的方式,购买成本和滑雪季节的长度是未知的学习者。学习者可以接触到两组专家,一组专家建议购买滑雪板的真实成本,另一组专家建议滑雪季节的长度。在专家预测购买成本的某些随机假设下,我们开发了在线算法,并证明了相同的遗憾界。我们的实验评估证实了我们的理论结果。
2021-04-20 cs.LG
Dying Experts: Efficient Algorithms with Optimal Regret Bounds
University of Victoria(维多利亚大学)
我们研究了决策理论在线学习的一个变体,在这个变体中,学习者可用的专家集可以随着时间的推移而缩小。这是一个经过充分研究的专家睡眠问题的限制版本,它本身是根据专家建议进行预测的基本博弈的推广。和很多这个方向的作品类似,我们的标杆是排名遗憾。各种结果表明,在完全对抗的睡眠专家问题中实现最佳遗憾在计算上是困难的。这激发了我们的放松,任何进入睡眠的专家都不会再醒来。我们称这种设置为“垂死的专家”,并在两种不同的情况下进行研究:学习者知道专家死亡顺序的情况和学习者不知道的情况。在这两种情况下,我们提供了匹配的上限和下限的排名后悔在完全对抗的设置。此外,我们提出了新的,计算效率高的算法,获得我们的最佳上限。
2019-10-29 cs.LG stat.ML
Dynamic Long-Term Time-Series Forecasting via Meta Transformer Networks
University of South Australia(南澳大学);University of New South Australia(新南威尔士大学);A*Star(新加坡科技研究局);System Research Institute, Polish Academy of Science(波兰科学院系统研究所)
本文提出 MANTRA,利用快速/慢速学习器与轻量通用表示 transformer 层适应动态环境,在四个数据集的长期单、多变量预测中较基线提升至少 3%。
2024-01-25 cs.AI cs.LG
Online Minimax Multiobjective Optimization: Multicalibeating and Other Applications
University of Pennsylvania(宾夕法尼亚大学);Rice University(莱斯大学)
我们介绍了一个简单但通用的在线学习框架,在这个框架中,学习者在每一轮都变化的向量值游戏中与对手进行比赛。即使学习者的目标不是凸凹(因此极大极小定理不适用),我们给出了一个简单的算法,可以与对手必须首先宣布其行动的设置竞争,最佳地减少遗憾。我们证明了我们的框架的力量,用它来(重新)推导出最佳的界限和有效的算法在各种领域,从多校准到一个大的集合,没有遗憾的算法,到一个变种的Blackwell的逼近定理的多面体具有快速收敛速度。作为一个新的应用程序,我们展示了如何“(多)校准”一个任意的预测集合-与以前的工作相比,实现了对我们竞争的模型数量的指数级改进。
2022-10-13 cs.DS cs.GT cs.LG
Efficient tracking of a growing number of experts
Centre de Mathématiques Appliquées École Polytechnique(巴黎综合理工学院应用数学中心);Inria Lille - Nord Europe(法国国家信息与自动化研究所里尔-北欧中心)
我们考虑一个变化的预测问题与专家的意见,新的预测,直到那时是未知的可能会出现在每一轮。正如在专家建议的预测中经常出现的那样,设计一个实现接近最优后悔保证的算法是简单的,使用专家的聚合。然而,当比较类足够丰富时,例如当最佳专家和专家集本身随着时间的推移而变化时,此类策略天真地需要维持大量的权重(通常与时间范围呈指数关系)。相比之下,设计既能达到接近最优后悔又能保持合理数量权重的策略是非常重要的。我们考虑三个越来越具有挑战性的目标(简单的遗憾,转移遗憾和稀疏转移遗憾),扩展现有的概念定义为一个固定的专家合奏,在每种情况下,我们设计的策略,实现严格的遗憾界限,自适应的参数比较类,同时计算成本低廉。此外,我们的算法是随时,不可知的传入专家的数量和完全无参数。之所以能取得如此显著的结果,要归功于两个简单但非常有效的秘诀:第一个是来自专家框架的“回避技巧”,它能够处理最不具挑战性的后悔概念,但在处理更复杂的目标时却受到限制。第二,我们引入的“静音技巧”,以提供更大的灵活性。我们将展示如何结合这两个技巧,以处理最具挑战性的比较策略。
2017-08-31 cs.LG stat.ML
Constant Regret, Generalized Mixability, and Mirror Descent
Research School of Computer Science(计算机科学研究学院);Australian National University(澳大利亚国立大学);DATA61(DATA61研究所)
我们考虑专家建议的预测设置;学习者通过汇总一组专家的预测来进行预测。在这种设置下,并且对于损失函数和“混合”算法的正确选择,学习器可以实现恒定的遗憾,而不管预测轮次的数量。例如,可以使用\emph{aggregating algorithm}来实现对\emph{mixable}损失的持续遗憾。\emph{Generalized Aggregating Algorithm}(GAA)是一个由单纯形(熵)上的凸函数参数化的算法族的名称,当使用\emph{Shannon entropy} $\operatorname{S}$时,它简化为聚合算法。对于一个给定的熵$Φ$,使用\textsc{GAA}可能不断后悔的损失被称为$Φ$ -可混合的。哪些损失是$Φ$ -可混合的,以前是一个悬而未决的问题。我们充分描述了$Φ$的可混合性,并回答了\cite{Reid2015}提出的其他开放性问题。我们表明,香农熵$\operatorname{S}$是基本的性质,当涉及到可混合性;任何$Φ$ -可混合的损失必然是$\operatorname{S}$ -可混合的,和最低的最坏情况下的遗憾的\textsc{GAA}实现使用香农熵。最后,利用\emph{mirror descent algorithm}和GAA更新步骤之间的联系,提出了一种新的\emph{adaptive}广义聚集算法,并从遗憾界的角度分析…
2018-10-31 cs.LG
$k\texttt{-experts}$ -- Online Policies and Fundamental Limits
Indian Institute of Technology (ISM) Dhanbad(印度理工学院(印度矿业学院)丹巴德);Indian Institute of Technology Madras(印度理工学院马德拉斯分校)
我们介绍了$\texttt{$ k $-experts}$问题-一个推广的经典预测专家的建议框架。与经典版本不同,在经典版本中,学习者在每轮从$N$专家池中选择一个专家,在这个问题中,学习者可以在每轮$(1\leq k\leq N)$中选择$k$专家的子集。假设学习者在每轮获得的奖励是$k$选择的专家的函数。主要目标是设计一个在线学习政策与一个小遗憾。在这种追求中,我们提出了$\texttt{SAGE}$($\textbf{Sa}$ mpled Hed $\textbf{ge}$)-一个框架,设计有效的在线学习政策,利用统计抽样技术。对于广泛的一类奖励函数,我们表明,$\texttt{SAGE}$要么实现了第一次次线性后悔保证或改善现有的。此外,超越遗憾的概念,我们充分表征的错误界限可实现的稳定损失函数的在线学习政策。最后,我们通过建立一个严格的遗憾下限的一个变种的$\texttt{$ K $-experts}$问题,并进行实验与标准数据集的文件。
2022-02-17 cs.IT cs.LG math.IT
No-Regret Online Prediction with Strategic Experts
University of Washington(华盛顿大学)
研究策略性专家在线二元预测框架的推广,允许每轮挑选多个专家,提出利用效用函数特定结构的激励相容且无遗憾的算法。
2023-05-24 cs.GT cs.LG
Bayesian Algorithms for Adversarial Online Learning: from Finite to Infinite Action Spaces
Cornell University(康奈尔大学);University of Waterloo(滑铁卢大学);Vector Institute(向量研究所)
本文提出一种基于对手动作空间先验的 Thompson 采样在线学习算法,将遗憾分解为先验期望遗憾与超额遗憾,并在有限专家情形恢复最优速率,同时证明在无限专家情形下对 Lipschitz 对手取得次线性遗憾界。
2025-09-22 cs.GT cs.LG math.ST
Learning the Experts for Online Sequence Prediction
The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Selim and Rachel Benin School of Computer Science and Engineering(塞利姆和雷切尔·贝宁计算机科学与工程学院)
在线序列预测是在给定先前元素的情况下预测序列的下一个元素的问题。这个问题已经在单个序列预测的背景下得到了广泛的研究,其中没有对序列的起源进行预先假设。单个序列预测算法对于长序列工作得相当好,其中算法有足够的时间来学习序列的时间结构。然而,它们可能对短序列给出较差的预测。一种可能的补救方法是依赖于具有专家建议的一般预测模型,其中学习者可以访问一组$r$专家,每个专家都对序列进行自己的预测。众所周知,如果序列长度是$\log(r)$的数量级,则有可能预测得几乎和最好的专家一样好。但是,如果没有关于问题的确切的先验知识,就不清楚如何选择一小组{ \em good}专家。在本文中,我们描述和分析了一个新的算法,学习一个很好的专家使用的训练集以前观察到的序列。我们证明了我们的方法的优点,通过将其应用在网络上的点击预测的任务。
2012-06-18 cs.AI cs.LG
Information Capacity Regret Bounds for Bandits with Mediator Feedback
Università degli Studi di Milano(米兰大学);Politecnico di Milano(米兰理工大学)
研究中介反馈bandit问题,引入策略集容量作为复杂度度量,采用EXP4算法在对抗和随机设定下给出新遗憾界,并证明匹配下界及全信息变体的遗憾界。
2024-02-15 cs.LG stat.ML
A Regret-Variance Trade-Off in Online Learning
Università degli Studi di Milano(米兰大学);ETH Zürich(苏黎世联邦理工学院)
我们考虑预测与专家的意见,为强凸和有界损失,并调查之间的权衡遗憾和“方差”(即,学习者预测和最佳专家预测的平方差)。对于$K$专家,已知指数加权平均(EWA)算法可以实现$O(\log K)$后悔。我们证明了EWA的一个变体要么实现了消极的遗憾(即,该算法优于最佳专家),或者保证方差和遗憾的$O(\log K)$界限。基于这一结果,我们展示了几个例子,说明如何在学习中利用预测的方差。在在线批量分析中,我们表明,一个大的经验方差允许提前停止在线批量转换,并优于类中最好的预测器的风险。当不考虑提前停止时,我们还恢复了模型选择聚集的最优速率。在在线预测与腐败的损失,我们表明,腐败的遗憾的影响可以补偿一个大的方差。在在线选择性抽样中,我们设计了一个算法,当方差较大时,抽样较少,同时保证期望中的最优后悔界。在在线学习中,我们使用一个类似的术语作为方差,以推导出该设置中的第一个高概率$O(\log K)$遗憾界。最后,我们将我们的结果扩展到在线线性回归的设置。
2022-06-06 cs.LG stat.ML
Full Swap Regret and Discretized Calibration
Google(谷歌公司)
针对结构化标准型博弈中策略嵌入d维空间的交换遗憾最小化问题,提出完全交换遗憾最小化框架及高效算法,获对应遗憾界,并将其应用于在线预测,实现低校准误差。
2025-02-13 cs.GT cs.LG
From External to Swap Regret 2.0: An Efficient Reduction and Oblivious Adversary for Large Action Spaces
UC Berkeley(加州大学伯克利分校);MIT(麻省理工学院);CSAIL(计算机科学与人工智能实验室)
提出从外部遗憾到交换遗憾的高效归约,不要求动作空间有限,显著降低轮数和每轮复杂度,并证明其蕴含近似相关均衡存在,回答了开放问题。
2025-02-24 cs.AI cs.GT cs.LG