English(EN) High-Dimensional Calibration from Swap Regret

新方法改进多维预测校准

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-12 04:00

研究人员开发了一种在线校准任意凸集上多维预测的新方法。该方法将校准与在线线性优化中的外部遗憾最小化联系起来。该算法在各种设置中都相同，它利用带有 TreeSwap 算法和 Follow-The-Leader 子程序的交换遗憾最小化技术。 AI

排序理由该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了一种新的预测校准算法。[lever_c_demoted from research: ic=1 ai=0.4]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Maxwell Fishelson, Noah Golowich, Mehryar Mohri, Jon Schneider · 2026-08-12 04:00

高维校准来自掉期遗憾

arXiv:2505.21460v2 Announce Type: replace-cross Abstract: We study online calibration of multi-dimensional forecasts over an arbitrary convex set $P \subset \mathbb{R}^d$ relative to an arbitrary norm $|\cdot|$. We connect this to external regret minimization for online linear op…