competitive ratio and online learning

在線學習思路解決bandits問題，包括如何構造損失函數，通過探索，以更好估計損失函數的結構（分佈），和通過利用，最小化遺憾傾向於選擇能最小化損失函數的決策，探索和利用之間的折中。

在線算法競爭比：
https://www.cnblogs.com/zhangzefei/p/9738642.html

基於梯度的學習，最小化訓練集上的經驗分佈和模型分佈之間的差異：
https://blog.csdn.net/cjm083121/article/details/89322111

Online Learning：
https://blog.csdn.net/hzwaxx/article/details/83867630

bandits問題基於在線學習思想解決，由於觀測的不充分，賭博機在線學習存在探索和利用兩者之間的困境。一方面，爲了準確地估計損失函數的結構，學習器需要嘗試更多的新決策；而另一方面，爲了最小化遺憾，學習器又傾向於選擇能最小化損失函數的決策。
https://blog.csdn.net/pouqiyu5090/article/details/85007053
https://blog.csdn.net/pouqiyu5090/article/details/84898609