非参数选择模型的动态数据驱动估计
最优化与控制
2020-08-07 v5
摘要
我们研究选择模型的非参数估计，此类模型被引入以缓解传统参数模型中不合理的假设，并在多个应用领域普遍存在。现有文献仅关注静态观测环境，即所有观测预先给定，它们未配备明确的收敛速率保证，因此无法对其算法返回的实际估计模型的精度与稀疏性权衡提供先验分析。与此相反，我们关注在动态环境中从观测数据估计非参数选择模型，其中观测随时间获取。我们表明选择模型估计可表述为凸-凹鞍点（SP）联合估计与优化（JEO）问题，并给出了基于在线凸优化推导求解算法的原始对偶框架。通过将该框架精心适配于选择模型估计问题，我们得到了具有可证明收敛保证以及对估计模型稀疏性显式界的可处理算法。我们的数值实验证实了由该框架导出的算法的有效性。
引用
@article{arxiv.1702.05702,
title = {Dynamic Data-Driven Estimation of Non-Parametric Choice Models},
author = {Nam Ho-Nguyen and Fatma Kilinc-Karzan},
journal= {arXiv preprint arXiv:1702.05702},
year = {2020}
}