regret-bounds
온라인 학습 알고리즘의 성능과 사후적으로 가장 좋은 고정된 예측 모델의 성능 차이의 상한선을 의미한다. 이 값이 작을수록 알고리즘이 최적의 선택에 가깝게 동작함을 보장한다.
무계 손실 문제의 한계를 넘다: 트랜스덕티브 사전 확률을 활용한 새로운 리스크 경계