MACRO：一种用于条件风险最小化的元算法
机器学习
2018-11-06 v2 机器学习
摘要
我们研究条件风险最小化（CRM），即学习一个在顺序到达的依赖数据的下一步预测中风险最小的假设的问题。尽管这是一个基本问题，但迄今为止CRM意义上的成功学习仅通过理论算法得到演示，这些算法无法用于实际问题，因为它们需要存储所有传入数据。在本工作中，我们引入MACRO，一种用于CRM的元算法，它不存在此缺陷，但仍提供学习保证。它不存储所有数据，而是维护并迭代更新一组学习子程序。通过适当近似，MACRO应用于真实数据，相比传统的非条件学习取得了更好的预测性能。
引用
@article{arxiv.1801.00507,
title = {MACRO: A Meta-Algorithm for Conditional Risk Minimization},
author = {Alexander Zimin and Christoph Lampert},
journal= {arXiv preprint arXiv:1801.00507},
year = {2018}
}