Online prediction from experts

新算法为私有在线专家预测提供近乎最优的遗憾

研究人员开发了一种新的差分隐私在线专家预测算法。该算法实现了 \tilde{O}(\sqrt{L^\star}) 的遗憾界限，在 $L^\star$ 代表最佳专家累积损失的低损失情况下，相比现有方法有了显著改进。新的界限与非私有算法相当，表明隐私成本很小。然而，该算法的性能取决于输入序列是否是无意识的，并且对于自适应输入，\tilde{\Omega}(\sqrt{T}) 的遗憾是不可避免的。