基于带置信度漂移专家的的无界损失在线聚合
机器学习
2020-01-24 v3 机器学习
摘要
我们发展了基于漂移专家与专用专家方法“平滑”版本的序列预测框架。为聚合专家预测，我们使用AdaHedge算法（一种具有自适应学习率的Hedge算法版本），并通过元算法Fixed Share对其进行扩展。由此，我们结合了两种算法的优势：（1）我们使用漂移悔界，其为算法更优的特性度量；（2）悔界在有符号无界专家损失情形下仍成立。此外，（3）我们在此方案中融入专用专家方法的“平滑”版本，从而能做出更灵活准确的预测。所有结果均在对抗性设定下获得——不对数据源性质作任何假设。我们给出了基于真实数据的电力消费短期预测数值实验的结果。
引用
@article{arxiv.1808.00741,
title = {Online Aggregation of Unbounded Losses Using Shifting Experts with Confidence},
author = {Vladimir V'yugin and Vladimir Trunov},
journal= {arXiv preprint arXiv:1808.00741},
year = {2020}
}