An Adaptive Algorithm for Learning with Unknown Distribution Drift

要約

タイトル：未知の分布のドリフトに対する適応的アルゴリズムの学習

要約：

– 未知の分布のドリフトに対する一般的な学習技術を開発した。
– ドリフトの大きさに関する事前知識を必要としないため、アルゴリズムはサンプルデータに適応する。
– アルゴリズムは、ドリフトの大きさを事前に知っている学習アルゴリズムとほぼ同じ誤差で関数の族を学習する。
– データに適応しているため、ドリフトのゆるやかなバウンドに頼るアルゴリズムよりも優れた学習エラーを保証できる。

要約(オリジナル)

We develop and analyze a general technique for learning with an unknown distribution drift. Given a sequence of independent observations from the last $T$ steps of a drifting distribution, our algorithm agnostically learns a family of functions with respect to the current distribution at time $T$. Unlike previous work, our technique does not require prior knowledge about the magnitude of the drift. Instead, the algorithm adapts to the sample data. Without explicitly estimating the drift, the algorithm learns a family of functions with almost the same error as a learning algorithm that knows the magnitude of the drift in advance. Furthermore, since our algorithm adapts to the data, it can guarantee a better learning error than an algorithm that relies on loose bounds on the drift.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI