面向极小极大学习问题的高效在线-赌博机策略
机器学习
2021-06-07 v2 最优化与控制
机器学习
摘要
若干学习问题涉及求解极小极大问题，例如经验分布鲁棒学习和使用非标准聚合损失的学习。更具体地说，这些是凸-线性问题，其中最小化在模型参数 上进行，最大化在训练集索引的经验分布 上进行，其中 是单纯形或其子集。为设计高效方法，我们让一个在线学习算法与一个（组合）赌博机算法对抗。我们认为此类方法的效率关键取决于 的结构，并提出了 的两个性质，以促进高效算法的设计。我们聚焦于涵盖多种学习应用的一个特定集合族 ，并给出到极小极大值的高概率收敛保证。
引用
@article{arxiv.2105.13939,
title = {Efficient Online-Bandit Strategies for Minimax Learning Problems},
author = {Christophe Roux and Elias Wirth and Sebastian Pokutta and Thomas Kerdreux},
journal= {arXiv preprint arXiv:2105.13939},
year = {2021}
}