无监督学习词典序偏好的复杂性
人工智能
2022-09-26 v1 计算复杂性
机器学习
摘要
本文考虑学习用户对组合备选集上的偏好这一任务，例如在线配置器通常所用的那样。在许多场景中，学习者仅能获取过往交互中被选中备选的集合。Fargier 等人 [2018] 提出了一种在此设定下学习用户偏好模型的方法，该模型将先前所选备选尽可能排高；并给出了在此设定下学习一种特定偏好模型——词典序偏好树（LP-trees）——的算法。本文研究与该思路相关的复杂性理论问题。我们给出了学习 LP 树样本复杂度的上界，其对属性数量呈对数级。我们还证明，当限定于线性 LP 树类时，计算使经验风险最小的 LP 树可在多项式时间内完成。
引用
@article{arxiv.2209.11505,
title = {The complexity of unsupervised learning of lexicographic preferences},
author = {Hélène Fargier and Pierre-François Gimenez and Jérôme Mengin and Bao Ngoc Le Nguyen},
journal= {arXiv preprint arXiv:2209.11505},
year = {2022}
}