中文

通用无知学习的理论

机器学习 2026-01-30 v1 统计理论 机器学习 统计理论

摘要

我们给出二分类在不可知情况下最优通用速率的完整理论。这扩展了 Bousquet、Hanneke、Moran、van Handel 与 Yehudayoff(2021)在可实现情形下的理论,消除分布的可实现性假设。我们识别出最优速率的基本四分法:对于每一个概念类,最优通用收敛速率为 ene^{-n}eo(n)e^{-o(n)}o(n1/2)o(n^{-1/2}) 或任意缓慢。我们进一步识别简单的组合结构,以决定给定概念类落入哪一类。

关键词

引用

@article{arxiv.2601.20961,
  title  = {A Theory of Universal Agnostic Learning},
  author = {Steve Hanneke and Shay Moran},
  journal= {arXiv preprint arXiv:2601.20961},
  year   = {2026}
}