域概泊度：通过域冲击维度对域泛化问题的紧致刻画
机器学习
2025-10-27 v2 机器学习
摘要
我们研究了域泛化的基本问题：给定一族域（即数据分布），我们需要从中随机抽取多少个域才能学习到在该族中所有已见及未见域上都表现合理的模型？我们将此问题建模为 PAC 框架，提出一种新的组合度量，称为域冲击维度。我们证明了该维度刻画了域样本复杂度。进一步，我们建立了域冲击维度与经典 VC 维度之间的紧密定量关系，表明在标准 PAC 设置下可学习的每个假设类在我们的设置下也均可学习。
引用
@article{arxiv.2506.16704,
title = {How Many Domains Suffice for Domain Generalization? A Tight Characterization via the Domain Shattering Dimension},
author = {Cynthia Dwork and Lunjia Hu and Han Shao},
journal= {arXiv preprint arXiv:2506.16704},
year = {2025}
}
备注
Accepted to NeurIPS 2025