投资的进化
评论
251 views
作者文章归档：course
基本面量化投资：运用财务分析和量化策略获取超额收益
评论
242 views
剑桥美国经济史
评论
244 views
复利：全球顶尖投资者的31节认知与决策思维课
评论
257 views
Digital Technology and Inclusive Growth
评论
248 views
新经济 新动能 新实践
评论
254 views
金融学-第二版
评论
260 views
当代资本主义新变化:金融化，积累危机与社会主义的未来
评论
261 views
经济学原理
评论
288 views
遗憾-ML
评论
429 views
在机器学习（ML）中，“遗憾”（Regret）是衡量在线学习或强化学习算法性能的重要指标，表示算法累积损失与最优策略之间的差距。以下是近年来的关键研究进展及其应用场景的总结：
1. 在线线性规划与Regret优化
- 突破性框架：针对在线线性规划问题，研究提出了一种新框架，当线性规划对偶问题满足特定误差边界条件时，一阶学习算法的Regret可突破传统的$\mathcal{O}(\sqrt{T})$限制。在连续支持场景下实现$o(\sqrt{T})$ Regret，而在有限支持场景下达到$\mathcal{O}(\log T)$ Regret，显著优于现有方法。
- 应用场景：适用于资源分配和...