适当损失至少为 1/2 阶的遗憾
原文中文，约400字，阅读约需1分钟。发表于：。选择适当的损失函数是机器学习中的一个基本挑战，本文分析了损失函数的性质和与真实概率向量的差异，并研究了基于估计器的预测性能和收敛速度的关系。
本文介绍了一种新颖的决策感知替代损失函数家族，称为扰动梯度（PG）损失函数。与现有的替代损失函数不同，PG损失函数的近似误差随着样本数量的增加而消失。该方法在错配设置中渐近地产生最佳策略，尤其在基础模型发生错配且噪声不是中心对称时表现优于现有提案。PG损失函数提供了一种新颖的、在理论上有理据的、可计算的、决策感知学习的方法。
