Sie befinden Sich nicht im Netzwerk der Universität Paderborn. Der Zugriff auf elektronische Ressourcen ist gegebenenfalls nur via VPN oder Shibboleth (DFN-AAI) möglich. mehr Informationen...
Interior-Point Methods for Full-Information and Bandit Online Learning
Ist Teil von
IEEE transactions on information theory, 2012-07, Vol.58 (7), p.4164-4175
Ort / Verlag
New York, NY: IEEE
Erscheinungsjahr
2012
Quelle
IEEE Electronic Library (IEL)
Beschreibungen/Notizen
We study the problem of predicting individual sequences with linear loss with full and partial (or bandit) feed- back. Our main contribution is the first efficient algorithm for the problem of online linear optimization in the bandit setting which achieves the optimal Õ(√(T)) regret. In addition, for the full-information setting, we give a novel regret minimization algorithm. These results are made possible by the introduction of interior-point methods for convex optimization to online learning.