凸优化是指在最小化（最大化）的优化要求下，目标函数是凸函数，且约束条件所形成的可行域集合是一个凸集的优化方法。由于能够顺序查询外部数据源，在线凸优化成为获得凸函数最佳解决方案的方法，并因其在大规模优化和机器学习中的可扩展性而得到了广泛的普及。
近日，由计算机科学家 Elad Hazan 撰写的经典书籍《在线凸优化导论（Introduction to Online Convex Optimization）》出版了第二版，第一版曾于 2016 年发表。
第二版书籍链接：https://arxiv.org/pdf/1909.05207.pdf
全书共包含 13 章的内容：

  • 第 1、2 章介绍了在线凸优化的基础知识和基本概念；

  • 第 3、4 章系统地介绍了两类在线凸优化的方法；

  • 第 5 章介绍了正则化的内容；

  • 第 6 章具体介绍了经典框架 Bandit 凸优化（BCO）的内容；

  • 第 7 章讲解了无投影算法的内容；

  • 第 8 章从博弈论的角度讲解在线凸优化理论；

  • 第 9 章讲解了与在线凸优化有关的统计学习理论；

  • 第 10 章介绍了在现实多变的环境中在线凸优化的实际应用问题；

  • 第 11 章主要介绍了机器学习算法 boosting 和在线凸优化算法的衡量指标 regret；

  • 第 12 章讲解了在线 boosting 方法及其用途；

  • 第 13 章介绍了 Blackwell 可接近性定理。

内容中包含的图片若涉及版权问题，请及时与我们联系删除