高效的最优 PAC 学习
机器学习
2025-02-10 v2
摘要
Hanneke [2016b] 和 Larsen [2023] 在二分类设置上的最新进展产生了最优的 PAC 学习者。这些学习者分别利用了巧妙的确定性子采样方案和经典的 Bagging 启发式方法 Breiman [1996]。两种最优 PAC 学习者都使用经验风险最小化这一自然算法作为子程序。因此，这些最优 PAC 学习者的计算成本与经验风险最小化算法的成本相关联。在这项工作中，我们试图为这种与经验风险最小化算法关联所带来的计算成本提供另一种视角。为此，我们证明存在一种最优 PAC 学习者，它在由经验风险最小化器引起的计算成本方面提供了不同的权衡。
引用
@article{arxiv.2502.03620,
title = {Efficient Optimal PAC Learning},
author = {Mikael Møller Høgsgaard},
journal= {arXiv preprint arXiv:2502.03620},
year = {2025}
}