通过无遗憾学习对预测市场的新理解
人工智能
2010-03-02 v1 机器学习
摘要
我们探索了市场评分规则、基于成本函数的预测市场与无遗憾学习之间存在的惊人数学联系。我们表明，任何基于成本函数的预测市场都可以被解释为一种用于常见“从专家建议中学习”问题的算法，方法是将市场中的交易等同于学习算法观察到的损失。如果市场组织者的损失有界，则该界可用于为相应的学习算法推导出O(sqrt(T))的遗憾界。然后我们证明，具有凸成本函数的市场类别恰好对应于“跟随正则化领导者”学习算法的类别，其中市场中成本函数的选择对应于学习问题中正则化器的选择。最后，我们展示了市场评分规则与具有凸成本函数的预测市场之间的等价性。这意味着市场评分规则也可以自然地解释为“跟随正则化领导者”算法，这可能具有独立的意义。这些联系为通常研究的市场（如对数市场评分规则）如何将意见聚合成对未来事件可能性的准确估计提供了新的见解。
引用
@article{arxiv.1003.0034,
title = {A New Understanding of Prediction Markets Via No-Regret Learning},
author = {Yiling Chen and Jennifer Wortman Vaughan},
journal= {arXiv preprint arXiv:1003.0034},
year = {2010}
}