随机顺序模型下的批处理到在线转换
机器学习
2023-10-27 v2 机器学习
摘要
我们引入一种转换框架，可用于由离线近似算法在随机顺序模型中开发具有低 -近似遗憾的在线算法。我们首先给出一个通用归约定理，将具有低平均灵敏度的离线近似算法转换为具有低 -近似遗憾的在线算法。然后我们证明可使用核心集构造方法将离线近似算法转换为低灵敏度版本。为展示我们方法的通用性，我们将其应用于多种问题，包括在线 -聚类、在线矩阵近似和在线回归，并成功为每个问题实现多对数级的 -近似遗憾。此外，我们表明在所有三种情况下，我们的算法还具有低不一致性，这在某些在线应用中可能是所期望的。
引用
@article{arxiv.2306.07163,
title = {A Batch-to-Online Transformation under Random-Order Model},
author = {Jing Dong and Yuichi Yoshida},
journal= {arXiv preprint arXiv:2306.07163},
year = {2023}
}