先试后买：面向真实数据市场的实用数据购买算法

数据交易正变得日益流行，过去几年中大量数据市场(DMs)的出现便是明证。数字资产的定价尤为复杂，因为与物理资产不同，数字资产可以零成本复制、近乎免费地存储和传输等。在大多数数据市场中，数据卖方被邀请标明价格及其数据集的描述。然而对于数据买方而言，支付所要求价格是否合理，只能在其将相关数据用于自身AI/ML算法之后才能判断。理论工作已在完全信息模型背景下分析了购买哪些数据集以及以何种价格购买的问题，其中N个数据集的O(2^N)个可能子集上算法的性能以及买方的价值函数都是先验已知的。但此类信息难以计算，更遑论在真实数据市场中公开。本文表明，若数据市场向潜在买方提供其AI/ML算法在单个数据集上性能的度量，则他们能以接近完全信息模型的效果选择购买哪些数据集。我们将所得算法称为先试后买(TBYB)，并在合成与真实数据集上展示了TBYB如何仅通过数据市场释放O(N)而非O(2^N)的信息，便能实现近乎最优的购买性能。