ИСТИНА

Рассматривается задача онлайн агрегации предсказаний множества экспертов и агрегирующий алгоритм для её решения, который гарантирует, что потери агрегированного предсказания будут не намного больше, чем потери наилучшего эксперта в множестве. В отличие от стандартного подхода, в котором предсказание делается на один шаг вперед, мы рассматриваем задачу прогнозирования на несколько шагов вперед. При такой постановке эксперты на каждом текущем шаге дают свой прогноз на некоторый шаг вперед, и агрегирующий алгоритм на их основе в этот же момент времени выдает свой прогноз. Показателем качества агрегирующего алгоритма является регрет. Мы приводим верхнюю оценку на регрет в квадратичной функции потерь, а также приводим результаты экспериментов, подтверждающие эффективность алгоритма.