概念Regret / 累积遗憾
遗憾
遗憾是衡量在线学习算法性能的核心指标，定义为最优策略累积奖励与实际策略累积奖励之差。在老虎机问题中，最小化遗憾是算法设计的核心目标，对数级遗憾为最优保证。
时间轴 (近 90 天)
10月21日
在线梯度下降等算法在凸或近似凸假设下可保证O(√T)遗憾。
待验证50%
10月20日
在生命末期，人们几乎不主动提起遗憾，那种情绪已经消失了。
待验证50%
10月16日
多臂老虎机中的遗憾定义为T轮博弈后最优臂期望奖励的T倍减去实际策略获得的期望奖励总和。
待验证50%
10月9日
遗憾 R_T 定义为 T 轮交互中全局最优点与算法查询点函数值差的累计和，即 R_T = Σ[f(x*) - f(x_t)]
待验证50%