no-regret

後悔なし。最善手との差がやがて消える性質

2本の論文題名に登場

定義

オンライン学習で、後から見て最善だった固定戦略との累積損失差(regret)が試行回数に対し劣線形にしか増えない性質。長期の平均では最善に追いつくという保証で、逐次的な意思決定や模倣学習 DAgger の正当化に使われる。「失敗しない」ではなく漸近的な主張である点に注意。

オンライン学習の保証