开放问题：有效的在线稀疏回归

萨蒂恩·凯尔
第27届学习理论大会论文集，PMLR 35:1299-1301，2014年。

摘要

在实际场景中，通常需要能够在对任何示例的功能访问非常有限的情况下进行预测。我们提供了一个自然公式作为具有平方损失的在线稀疏回归问题，并询问是否可以使用有效的算法（即问题自然参数中的多项式运行时间）实现次线性遗憾。

引用本文

BibTeX公司
@会议记录{pmlr-v35-kale14b，title={开放问题：高效在线稀疏回归}，author={Kale，Satyn}，booktitle={第27届学习理论会议论文集}，页数={1299--1301}，年份={2014}，editor={Balcan、Maria Florina和Feldman、Vitaly和Szepesvári、Csaba}，体积={35}，series={机器学习研究论文集}，address={西班牙巴塞罗那}，月={13--15日}，publisher={PMLR}，pdf={http://proceedings.mlr.press/v35/kale14b.pdf},网址={https://proceedings.mlr.press/v35/kale14b.html},abstract={在实际场景中，通常需要能够在对任何示例的特征了解非常有限的情况下进行预测。我们提供了一个自然公式作为具有平方损失的在线稀疏回归问题，并询问是否可以用有效的算法实现次线性遗憾（即问题自然参数中的多项式运行时间）。}}
尾注
%0会议论文%T开放问题：有效的在线稀疏回归%一棵沙延甘蓝%第27届学习理论会议论文集%C机器学习研究进展%2014年D月%E玛丽亚·弗洛里娜·巴尔坎%E维塔利·费尔德曼%E Csaba Szepesvári公司%F pmlr-v35-kale14b型%我PMLR%电话1299--1301%U型https://proceedings.mlr.press/v35/kale14b.html%35伏%X在实际场景中，通常需要能够在非常有限的范围内对任何示例的功能进行预测。我们提供了一个自然公式作为具有平方损失的在线稀疏回归问题，并询问是否可以使用有效的算法（即问题自然参数中的多项式运行时间）实现次线性遗憾。
RIS公司
TY-CPAPER公司TI-开放问题：有效的在线稀疏回归澳大利亚-Satyen KaleBT-第27届学习理论会议记录DA-2014/05/29ED-玛丽亚·弗洛里娜·巴尔坎ED-维塔利·费尔德曼ED-Csaba SzepesváriID-pmlr-v35-kale14bPB-PMLRDP-机器学习研究论文集VL-35SP-1299EP-1301第一层-http://proceedings.mlr.press/v35/kale14b.pdfUR-（欧元）https://proceedings.mlr.press/v35/kale14b.htmlAB-在实际场景中，通常需要能够在非常有限的范围内对任何示例的功能进行预测。我们提供了一个自然公式作为具有平方损失的在线稀疏回归问题，并询问是否可以使用有效的算法（即问题自然参数中的多项式运行时间）实现次线性遗憾。急诊室-
亚太地区
Kale，S.（2014年）。开放问题：有效的在线稀疏回归。第27届学习理论大会论文集，英寸机器学习研究进展35:1299-1301网址：https://proceedings.mlr.press/v35/kale14b.html。

相关材料