wzd321

摘要： 一些在线预测问题可以转化到在线凸优化框架中。下面介绍两种凸化技术： 一些在线预测问题似乎不适合在线凸优化框架。例如，在线分类问题中，预测域（predictions domain）或损失函数不是凸的。我们描述了两种凸化技术，它们允许我们在其他场景中使用在线凸优化框架。 1.Convexificatio 阅读全文

摘要： 近年来，许多有效的在线学习算法的设计受到凸优化工具的影响。 此外，据观察，大多数先前提出的有效算法可以基于以下优雅模型联合分析： 凸集的定义： 一个向量 的Regret定义为： 如前所述，算法相对于竞争向量的集合U的Regret被定义为： 备注： 在线凸优化问题中，学习机的预测应该来自集合S，而我们 阅读全文