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 、、 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。
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}
}