[论文解读] Continuous and randomized defensive forecasting: unified view

Vladimir Vovk|ArXiv.org|Aug 17, 2007

Probability and Statistical Research参考文献 11被引用 4

一句话总结

本文提出了一种在博弈论概率框架下统一连续与随机化防御预测的框架，表明通过平滑Sceptic的策略以确保连续性，可推导出随机化预测。主要贡献在于将防御预测推广至紧致结果空间，即使Sceptic的策略在结果上仅为上半连续，预测者仍能保证资本有界。

ABSTRACT

Defensive forecasting is a method of transforming laws of probability (stated in game-theoretic terms as strategies for Sceptic) into forecasting algorithms. There are two known varieties of defensive forecasting: "continuous", in which Sceptic's moves are assumed to depend on the forecasts in a (semi)continuous manner and which produces deterministic forecasts, and "randomized", in which the dependence of Sceptic's moves on the forecasts is arbitrary and Forecaster's moves are allowed to be randomized. This note shows that the randomized variety can be obtained from the continuous variety by smearing Sceptic's moves to make them continuous.

研究动机与目标

• 在单一框架下统一连续与随机化防御预测的理论。
• 将先前在有限结果空间中的结果推广至紧致结果空间，提升在预测与专家建议中的适用性。
• 表明可通过平滑连续策略构造随机化预测策略，同时保持预测者的获胜条件。
• 放宽对Sceptic策略连续性的要求，证明强上半连续性足以维持相同的保证。
• 为算法信息论与在线预测中的防御预测提供一个自包含的理论基础。

提出的方法

• 使用Knaster–Kuratowski–Mazurkiewicz（KKM）定理，证明在连续情形下存在一种预测者策略，使Sceptic的资本非增。
• 应用模糊化技术，通过在小邻域内取平均，将不连续的Sceptic策略转换为连续策略。
• 通过缩放与重缩放预测者的资本，构造随机策略，确保当Sceptic的资本超过阈值时，预留收益无界增长。
• 依赖于概率测度空间上的弱收敛拓扑及下/上半连续性条件，以确保鲁棒性。
• 使用单调收敛定理，通过连续函数逼近强上半连续函数，从而实现结果的扩展。
• 通过Sceptic策略函数的扰动论证，建立连续与随机化防御预测之间的等价性。

实验结果

研究问题

• RQ1 能否通过系统性变换，从连续防御预测推导出随机化防御预测？
• RQ2 结果空间需满足何种拓扑条件，才能保证存在获胜的预测者策略？
• RQ3 放宽对Sceptic策略连续性的要求，对防御预测保证的有效性有何影响？
• RQ4 预测空间需具备何种最小结构，才能使预测者对Sceptic资本增长保持免疫？
• RQ5 能否在不依赖完全连续性的情况下构造随机策略，而仅依赖上半连续性或更强条件？

主要发现

• 连续型防御预测可保证Sceptic的资本非增，从而在弱正则性条件下确保预测者的成功。
• 通过平滑Sceptic的策略，可获得随机化防御预测，从而将不连续策略转化为连续策略。
• 当结果空间Ω为紧致时，预测者可选择集中在大小至多为|Ω|的有限集合上的随机预测。
• 该结果已超越有限结果空间，现适用于任意紧致Hausdorff空间Ω，显著拓宽了适用范围。
• Sceptic策略函数的连续性条件可弱化为强上半连续性，而不会破坏预测者的获胜策略。
• 通过资本重缩放策略，可证明当Sceptic的资本增长时，预测者的资本亦无界增长，从而证明了获胜随机策略的存在性。