关于PAC-Bayes界高效评估的注记
机器学习
2022-10-21 v2 机器学习
摘要
当利用PAC-Bayes理论进行风险认证时，通常需要估计并界定PAC-Bayes后验的Gibbs风险。文献中的许多工作采用一种需要多次遍历数据集的方法，带来了高昂的计算成本。本手稿提出了一种非常通用的替代方案，可在与数据集大小同阶的程度上节省计算量。
引用
@article{arxiv.2209.05188,
title = {A Note on the Efficient Evaluation of PAC-Bayes Bounds},
author = {Felix Biggs},
journal= {arXiv preprint arXiv:2209.05188},
year = {2022}
}
备注
4 pages