competitive ratio and online learning

在线学习思路解决bandits问题，包括如何构造损失函数，通过探索，以更好估计损失函数的结构（分布），和通过利用，最小化遗憾倾向于选择能最小化损失函数的决策，探索和利用之间的折中。

在线算法竞争比：
https://www.cnblogs.com/zhangzefei/p/9738642.html

基于梯度的学习，最小化训练集上的经验分布和模型分布之间的差异：
https://blog.csdn.net/cjm083121/article/details/89322111

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

bandits问题基于在线学习思想解决，由于观测的不充分，赌博机在线学习存在探索和利用两者之间的困境。一方面，为了准确地估计损失函数的结构，学习器需要尝试更多的新决策；而另一方面，为了最小化遗憾，学习器又倾向于选择能最小化损失函数的决策。
https://blog.csdn.net/pouqiyu5090/article/details/85007053
https://blog.csdn.net/pouqiyu5090/article/details/84898609