部分概念类的在线学习与消歧
机器学习
2023-03-31 v1 计算复杂性
摘要
在最近的文章中，Alon、Hanneke、Holzman和Moran（FOCS '21）引入了研究部分概念类可学习性的统一框架。其工作的核心问题之一是：部分概念类的可学习性是否总是由其到某个全概念类的“扩展”的可学习性所继承。他们证明了PAC学习下并非如此，但将问题留待更强的在线可学习性概念下解决。我们通过构造一个在线可学习的部分概念类来解决此问题，但其任意到全概念类的扩展均不可在线学习（甚至不可PAC学习）。
引用
@article{arxiv.2303.17578,
title = {Online Learning and Disambiguations of Partial Concept Classes},
author = {Tsun-Ming Cheung and Hamed Hatami and Pooya Hatami and Kaave Hosseini},
journal= {arXiv preprint arXiv:2303.17578},
year = {2023}
}