Теоретический подход к регрессии лучшего ответа

Данная работа основывается на статье 2017 года, представляющей построение линейной регрессии как задачу машинного обучения. Для двух агентов, использующих одинаковые данные для построения моделей, задача заключается в том, чтобы предсказать наибольшее количество точек с большей точностью, чем оппонент. В статье был разработан алгоритм построения такой модели, которая максимизирует выигрыш использующего ее агента. Данная же работа предлагает рассмотреть простейшие стратегии, не основанные на предсказаниях оппонента (не содержащие в себе элементы обучения), и сравнить некоторые из методов построения линейных моделей в контексте заданной игры. Так как функция выигрыша игроков максимизируется при частичном или полном игнорировании немногочисленных выбросов в данных, было решено рассматривать линейные модели, устойчивые к выбросам. В данной работе приводится детальное сравнение данных моделей, производится симуляция заданной игры на нескольких типах данных и среди рассмотренных моделей определяется та, что может служить «лучшим ответом» среди простейших стратегий.