Żal wewnętrzny w Online Convex Optimization

„Optymalizacja wypukła” Zinkevicha ( http://www.cs.cmu.edu/~maz/publications/ICML03.pdf ) uogólnia algorytmy uczenia się „minimalizacji żalu” od ustawień liniowych do wypukłych i daje dobre „zewnętrzne pożałowanie” . Czy istnieje podobne uogólnienie wewnętrznego żalu? (Nie jestem do końca pewien, co to właściwie znaczy.)

Spróbuj „Bez żalu uczenie się w wypukłych grach” Gordona, Greenwalda i Marksa http://portal.acm.org/citation.cfm?id=1390202 . Jego streszczenie brzmi, jakby prawdopodobnie odpowiadało na twoje pytanie, a przynajmniej ktoś odpowiadający na to pytanie zacytowałby lub zacytowałby ten artykuł.

Ten artykuł Avrim Blum wskazuje na związek między żalem zewnętrznym i wewnętrznym. Zgodnie z jego streszczeniem, externa żal jest miarą tego, jak zły algorytm jest porównywany z najlepszym ustalonym działaniem, podczas gdy wewnętrzny żal porównuje się z najlepszą odmianą tej metody (najlepsza stała permutacja wyników, jak raportowanie klasy A, ilekroć zgłaszany jest oryginalny algorytm klasa B).