一种具有普适单调误差的普适一致学习规则
机器学习
2023-05-25 v2 机器学习
摘要
我们提出一种普适一致的学习规则，其在任意数据分布下，期望误差随样本量单调不增。此类规则的存在性问题由 Devroye、Györfi 和 Lugosi 于 1996 年提出（他们称之为“smart”）。我们的规则是完全确定性的，是在任意域（标准 Borel 空间）上利用循环序构造的依赖于数据的划分规则。核心思想是每一步仅对那些表现出充分经验标签多样性的循环区间进行划分，从而避开误差函数呈凸性的区域。
引用
@article{arxiv.2108.09733,
title = {A universally consistent learning rule with a universally monotone error},
author = {Vladimir Pestov},
journal= {arXiv preprint arXiv:2108.09733},
year = {2023}
}
备注
latex, 27 pp., 4 figures, to appear in JMLR. The version, reformatted in the JMLR style, incorporates a number of remarks by two anonymous referees that have helped to fix some confusing passages and make the paper more readable