模型Hedge算法
Hedge
在线学习中的经典专家预测算法，基于指数加权平均，在 oblivious 输入下达到 O(√(T log N)) 的遗憾界
时间轴 (近 90 天)
10月22日
经典算法Hedge在oblivious输入下达到O(√(T log N))的遗憾，且该界在一般情况下是紧的。
待验证50%
10月7日
良好的在线学习算法应保证遗憾随轮次增长速度远低于线性，通常目标是O(√T)量级，指数权重(Hedge)和UCB已被证明能达到该保证
待验证50%
在线学习中的经典专家预测算法，基于指数加权平均，在 oblivious 输入下达到 O(√(T log N)) 的遗憾界
经典算法Hedge在oblivious输入下达到O(√(T log N))的遗憾，且该界在一般情况下是紧的。
良好的在线学习算法应保证遗憾随轮次增长速度远低于线性，通常目标是O(√T)量级，指数权重(Hedge)和UCB已被证明能达到该保证