Asymptotically minimax regret by Bayes mixtures
Asymptotically minimax regret by Bayes mixtures
复制标题
贝叶斯混合的渐近最小最大遗憾
DOI：
10.1109/isit.1998.708923
复制
发表时间：
1998
期刊：
影响因子：
--
通讯作者：
Andrew R. Barron
中科院分区：
文献类型：
--
作者：
Jun'ichi Takeuchi;Andrew R. Barron
研究了序列x/sup n/ = x/sub 1/x/sub 2/…的数据压缩、赌博和预测问题。x/sub n/从一定的字母表X，在遗憾（Shtarkov 1988）和冗余方面的一般指数家庭，一般光滑的家庭，也马尔可夫源。特别是，我们证明了Jeffreys混合物的变体渐近达到其极大极小值。
We study the problem of data compression, gambling and prediction of a sequence x/sup n/ = x/sub 1/x/sub 2/...x/sub n/ from a certain alphabet X, in terms of regret (Shtarkov 1988) and redundancy with respect to a general exponential family, a general smooth family, and also Markov sources. In particular, we show that variants of Jeffreys mixture asymptotically achieve their minimax values.