超越二阶信息：带噪声特征的付费逻辑回归

研究针对带付费随机特征的在线二分类预测问题，提出在逻辑模型下协同控制预测损失与特征获取成本的方法。研究发现仅凭协方差信息已不足以决定最优逻辑损失，更低的方差甚至可能导致更高损失。在更大支出可消除独立噪声的结构序设定下，噪声结构已知时达到 $\widetilde O(\sqrt{T})$ 悔流界，未知时达到 $\widetilde O(T^{2/3})$，并在对数因子意义下匹配下界。