非凸SGD在对抗性标签噪声下学习半空间
机器学习
2020-06-15 v1 机器学习
摘要
我们研究在分布特定PAC模型中不可知学习齐次半空间的问题。对于包括对数凹分布在内的广泛结构化分布族，我们证明非凸SGD能高效收敛至误分类误差为的解，其中为最佳拟合半空间的误分类误差。形成鲜明对比的是，我们证明即使在高斯边际下，优化任意凸替代损失本质上会导致的误分类误差。
引用
@article{arxiv.2006.06742,
title = {Non-Convex SGD Learns Halfspaces with Adversarial Label Noise},
author = {Ilias Diakonikolas and Vasilis Kontonis and Christos Tzamos and Nikos Zarifis},
journal= {arXiv preprint arXiv:2006.06742},
year = {2020}
}