算法化鲁棒预测聚合
机器学习
2024-02-01 v1 计算机科学与博弈论
摘要
预测聚合结合多个预测者的预测以提高准确性。然而，对预测者信息结构知识的缺乏阻碍了最优聚合。给定一族信息结构，鲁棒预测聚合旨在找到与全知聚合器相比具有最小最坏情况遗憾的聚合器。以往的鲁棒预测聚合方法依赖于启发式观察和参数调优。我们提出了一个算法化框架用于鲁棒预测聚合。我们的框架为具有有限可能信息结构族的一般信息聚合提供了高效的近似方案。在Arieli等人（2018）考虑的两个智能体接收以二元状态为条件的独立信号的设定中，我们的框架还通过对聚合器施加Lipschitz条件或对智能体报告施加离散条件，提供了高效的近似方案。数值实验通过提供Arieli等人（2018）设定中近乎最优的聚合器，证明了我们方法的有效性。
引用
@article{arxiv.2401.17743,
title = {Algorithmic Robust Forecast Aggregation},
author = {Yongkang Guo and Jason D. Hartline and Zhihuan Huang and Yuqing Kong and Anant Shah and Fang-Yi Yu},
journal= {arXiv preprint arXiv:2401.17743},
year = {2024}
}