Załóżmy, że mamy problem regresji, który wiele osób chce rozwiązać, ale informacje są rozproszone wśród agentów --- różni agenci widzą różne podzbiory cech. A agenci są osadzeni w sieci (DAG). Gdy jeden dokonuje prognoz, są one obserwowane przez jego dzieci.

To była również część zabawnej eksploracji, którą przeprowadziliśmy w tym samym czasie, aby dowiedzieć się, jak włączyć nowoczesne narzędzia AI w proces prowadzenia nauki teoretycznej i eksperymentalnej. Dużo się o tym nauczyliśmy --- w pewnym momencie napiszemy więcej.

@LuJiuyao Globalnie optymalny liniowy predyktor nie musi znajdować się w zakresie lokalnie optymalnych liniowych predyktorów (gdy cechy nie są niezależne), ponieważ względne ważenie cech różni się w każdym przypadku.

@LuJiuyao Czerwona linia między wykresami pokazuje, co tak naprawdę się dzieje, gdy uruchamiasz to na próbkach z generalizacji tej instancji do 10 zmiennych. Łańcuch to A1->A2->...->A10->A1->A2->...->A10->... itd., krążąc w kółko na zawsze. Po każdym przejściu następuje spadek błędu, ale nigdy nie osiąga 0.