Efficient Competitions and Online Learning with Strategic Forecasters
Efficient Competitions and Online Learning with Strategic Forecasters
复制标题
与战略预测员进行高效竞争和在线学习
DOI：
10.1145/3465456.3467635
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Waggoner, Bo
中科院分区：
文献类型：
--
作者：
Frongillo, Rafael;Gomez, Robert;Thilagar, Anish;Waggoner, Bo
预测和机器学习领域的赢家通吃竞争受到扭曲激励的影响。 [23]发现了这个问题并提出了ELF，一种选择获胜者的真实机制。我们表明，从 n 个预测器池中，ELF 需要 θ(nłog n) 个事件或测试数据点来以高概率选择接近最优的预测器。然后，我们证明标准在线学习算法仅使用 O(łog(n) / ε2) 事件，通过强大的近似真实性保证来选择 ε 最优预测器。即使在非战略环境中，该界限也能达到最佳效果。然后我们应用这些机制来为非短视的战略专家获得第一个无悔的保证。
Winner-take-all competitions in forecasting and machine-learning suffer from distorted incentives. [23] identified this problem and proposed ELF, a truthful mechanism to select a winner. We show that, from a pool of n forecasters, ELF requires Θ(nłog n) events or test data points to select a near-optimal forecaster with high probability. We then show that standard online learning algorithms select an ε-optimal forecaster using only O(łog(n) / ε2) events, by way of a strong approximate-truthfulness guarantee. This bound matches the best possible even in the nonstrategic setting. We then apply these mechanisms to obtain the first no-regret guarantee for non-myopic strategic experts.
登录
查看更多内容
预测锦标赛悖论
影响因子：
1.8
作者：
D. Aldous
通讯作者：
D. Aldous
二项分布中的平均值、中位数和众数
DOI：
--
发表时间：
1980
期刊：
影响因子：
--
作者：
R. Kaas;J. Buhrman
通讯作者：
J. Buhrman
与自私专家的在线预测
DOI：
--
发表时间：
2017
期刊：
Neural Information Processing Systems
影响因子：
--
作者：
Tim Roughgarden;Okke Schrijvers
通讯作者：
Okke Schrijvers
DOI：
--
发表时间：
2008
期刊：
ACM Conference on Economics and Computation
影响因子：
--
作者：
Nicolas S. Lambert;J. Langford;Jennifer Wortman Vaughan;Yiling Chen;Daniel M. Reeves;Y. Shoham;David M. Pennock
通讯作者：
David M. Pennock
DOI：
--
发表时间：
2018
期刊：
AAAI Conference on Artificial Intelligence
影响因子：
--
作者：
Jens Witkowski;Rupert Freeman;Jennifer Wortman Vaughan;David M. Pennock;Andreas Krause
通讯作者：
Andreas Krause