高效可混合性：快速在线多类逻辑回归

可混合性（Mixability）已被证明是获得具有最优 regret 的算法的有力工具。然而，由此产生的方法往往计算复杂度较高，这降低了它们的实际适用性。例如，在多类逻辑回归的情形下，聚合预测器（Foster 等人（2018））达到 $O(\log(Bn))$ 的 regret，而 Online Newton Step 达到 $O(e^B\log(n))$，在 $B$（比较函数范数的界）上获得双指数增益。然而，这一高统计性能是以 $O(n^{37})$ 的极高计算复杂度为代价的。