在线稀疏线性回归遗憾界研究获新进展

针对在线稀疏线性回归（OSLR）问题——每次预测只能访问 d 个属性中的 b 个、预测后可再访问 b0 个属性——研究者首次给出了其 minimax 遗憾值的下界，并设计了在无正则性假设下上界更优的算法。 该工作刻画了 minimax 遗憾值随问题相关参数的缩放规律，揭示了 OSLR 的信息论复杂度。论文已被 IJTCS-FAW 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。