Конкурентное сожаление
В этой статье есть несколько проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти шаблонные сообщения )
|
В теории принятия решений конкурентное сожаление — это относительное сожаление по сравнению с оракулом с ограниченной или неограниченной властью в процессе оценки распределения.
Соревновательное сожаление оракулу в полную силу
[ редактировать ]Рассмотрим оценку дискретного распределения вероятностей на дискретном множестве на основе данных , сожаление оценщика [1] определяется как
где - набор всех возможных распределений вероятностей, и
где – это расхождение Кульбака – Лейблера между и .
Соревновательное сожаление оракулу с ограниченной властью
[ редактировать ]Oracle с частичной информацией
[ редактировать ]Оракул ограничен в доступе к частичной информации об истинном распределении. зная местонахождение в пространстве параметров до раздела. [1] Учитывая раздел пространства параметров и предположим, что оракул знает подмножество где правда . Оракул пожалеет, что
Конкурентное сожаление оракулу будет
Oracle с частичной информацией
[ редактировать ]Оракул точно знает , но может выбирать оценку только среди натуральных оценок. Естественная оценка присваивает равную вероятность символам, которые появляются в выборке одинаковое количество раз. [1] Сожаление оракула
и соревновательное сожаление
Пример
[ редактировать ]Для оценщика предложено Ачарья и др. (2013), [2]
Здесь обозначает k-мерную единичную симплексную поверхность. Раздел обозначает класс перестановок на , где и разделены на одно и то же подмножество тогда и только тогда, когда представляет собой перестановку .
Ссылки
[ редактировать ]- ^ Перейти обратно: а б с Орлицкий, Алон; Суреш, Ананда Тиртха. (2015), Оценка конкурентного распределения , arXiv : 1503.07940 , Бибкод : 2015arXiv150307940O
- ^ Ачарья, Джаядев; Джафарпур, Ашкан; Орлицкий, Алон; Суреш, Ананда Тирта (2013), «Оптимальная оценка вероятности с применением к прогнозированию и классификации», Материалы 26-й ежегодной конференции по теории обучения (COLT)