我正在阅读以下关于上下文强盗问题的时代贪婪算法的论文。我有两个问题

http://hunch.net/~jl/projects/interactive/sidebandits/bandit.pdf

1. 我不确定他们是如何使用第 6 页的 Bernstein 不等式得出结论的$\mu_{n}(\mathcal{H},1) \leq c^{-1} \sqrt{k \mathrm{ln}(m)/n}$. 有人可以详细说明一下，因为似乎伯恩斯坦不等式似乎衡量了随机变量总和与其均值的偏差。遗憾的界限在哪里$\mu_{n}(\mathcal{H},1)$被定义为从绝对最佳策略到经验最佳策略的预期遗憾。有人可以填写详细信息吗？

2. 我们能得到任何合理的估计常数吗$c$如果我要尝试在实践中实现这一点？

我真的很感激任何帮助，谢谢。