研究人员开发了一种新的在线算法，用于重新校准预测器序列。该算法在大约 \(\varepsilon^{-3}\) 轮内实现了 Lipschitz 正常损失的最优重新校准。该工作还引入了一个 \(\mathcal{K}_2\)-重新校准定理，该定理提供了具有对数因子的类似权衡。这些算法可以与现有方法结合，为平滑正常损失实现同时的 \(\varepsilon\)-校准和 \(\varepsilon^2\)-calibeating，改进了之前单独处理这些属性的方法。 AI
影响 在在线学习算法方面引入了理论进展，有可能提高预测模型的准确性和校准。
排序理由 该集群包含一篇详细介绍机器学习新算法和理论结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
