稳定性再探：留一法的新的泛化界
机器学习
2016-08-24 v1 统计理论
统计理论
摘要
本文提供了一种新的通用策略，可对应用于广泛一类学习算法的留一法（Leave-one-Out）程序给出非渐近的理论保证。该策略依赖于两个主要要素： 稳定性的新概念，以及对矩不等式的强力运用。 稳定性扩展了现有的假设稳定性概念，同时弱于均匀稳定性。它在温和假设下为留一法导出了新的 PAC 指数泛化界。在文献中，此类界仅在例如有界性条件下对均匀稳定算法可得。作为第一步，我们将此通用策略应用于岭回归算法。
引用
@article{arxiv.1608.06412,
title = {Stability revisited: new generalisation bounds for the Leave-one-Out},
author = {Alain Celisse and Benjamin Guedj},
journal= {arXiv preprint arXiv:1608.06412},
year = {2016}
}
备注
12 pages