Stel dat we een regressieprobleem hebben dat veel mensen willen oplossen, maar informatie is verdeeld over agenten --- verschillende agenten zien verschillende subsets van kenmerken. En de agenten zijn ingebed in een netwerk (DAG). Wanneer iemand voorspellingen doet, worden deze waargenomen door zijn kinderen.

Dit was ook een onderdeel van een leuke verkenning die we tegelijkertijd deden over hoe we moderne AI-tools kunnen integreren in het proces van theoretische en experimentele wetenschap. We hebben daar ook veel van geleerd --- we zullen op een gegeven moment meer schrijven.

@LuJiuyao De globaal optimale lineaire voorspeller hoeft niet in de span van de lokaal optimale lineaire voorspellers te liggen (wanneer de kenmerken niet onafhankelijk zijn), aangezien de relatieve weging van de kenmerken in elk geval verschilt.

@LuJiuyao De rode lijn tussen de grafieken toont wat er daadwerkelijk gebeurt wanneer je dit uitvoert op monsters van de generalisatie van deze instantie naar 10 variabelen. De keten is A1->A2->...->A10->A1->A2->...->A10->... enzovoort, die voor altijd rondgaat. Je krijgt een foutdaling na elke ronde, maar het gaat nooit naar 0.