近最优拍卖的伪维度
计算机科学与博弈论
2015-06-12 v1
摘要
本文发展了基于统计学习理论的一般方法，从数据中学习近似收益最大化的拍卖。我们引入 -level auctions 以在简单拍卖（如带保留价的福利最大化）和最优拍卖之间插值，从而平衡表达力与简单性的竞争需求。我们证明此类拍卖具有较小的表示误差，即对于投标人估值上的每个乘积分布 ，存在一个 较小且期望收益接近最优的 -level 拍卖。我们表明 -level 拍卖集合具有适度的伪维度（对于多项式 ）并因此导致较小的学习误差。我们结果的一个推论是，在任意单参数设置中，可以从多项式数量的样本中学习到期望收益任意接近最优的机制。
引用
@article{arxiv.1506.03684,
title = {The Pseudo-Dimension of Near-Optimal Auctions},
author = {Jamie Morgenstern and Tim Roughgarden},
journal= {arXiv preprint arXiv:1506.03684},
year = {2015}
}