从随机游走中不可知地学习 Junta 函数
机器学习
2008-06-27 v1
摘要
我们证明了仅依赖于 k<<n 个未知变量子集的函数类 g:{-1,+1}^n -> {-1,+1}（即所谓的 k-juntas）可以从随机游走中以关于 n, 2^{k^2}, epsilon^{-k} 和 log(1/delta) 的多项式时间进行不可知学习。换言之，存在一种具有上述运行时间的算法，给定 epsilon, delta > 0 并访问由任意函数 f:{-1,+1}^n -> {-1,+1} 标记的 {-1,+1}^n 上的随机游走，该算法能以至少 1-delta 的概率找到一个与 f 距离为 (opt(f)+epsilon) 的 k-junta，其中 opt(f) 表示与 f 最近的 k-junta 的距离。
引用
@article{arxiv.0806.4210,
title = {Agnostically Learning Juntas from Random Walks},
author = {Jan Arpe and Elchanan Mossel},
journal= {arXiv preprint arXiv:0806.4210},
year = {2008}
}
备注
12 pages