一种适应未知分布漂移学习的算法（英文版）

英文标题：An Adaptive Algorithm for Learning with Unknown Distribution Drift中文摘要：我们开发和分析了一种普适技术，可以在未知分布漂移的情况下进行学习。给定一个来自漂移分布的最后 $T$ 步的独立观测序列，我们的算法在时刻 $T$ 对当前分布进行从容学习。与先前的工作不同，我们的技术不需要关于漂移幅度的先验知识，而是根据样本数据进行算法调整。我们的算法学习了一类函数，其误差几乎与预先了解漂移幅度的学习算法相同。此外，由于我们的算法适应数据，它可以保证比依赖漂移松限制的算法具有更好的学习误差。英文摘要：We develop and analyze a general technique for learning with an unknowndistribution drift. Given a sequence of independent observations from the last$T$ steps of a drifting distribution, our algorithm agnostically