平方损失下学习线性预测器的样本复杂度
机器学习
2021-11-23 v3 机器学习
摘要
在这篇简短说明中，我们提供了关于平方损失学习线性预测器的样本复杂度下界。我们的重点是不可知设定，即不对数据分布做任何假设。这与文献中的标准结果形成对比，后者要么做出分布假设，要么涉及特定的参数设置，要么使用其他性能度量。
引用
@article{arxiv.1406.5143,
title = {The Sample Complexity of Learning Linear Predictors with the Squared Loss},
author = {Ohad Shamir},
journal= {arXiv preprint arXiv:1406.5143},
year = {2021}
}
备注
Revised discussion to clarify that the lower bound is currently not fully matched by algorithms which must return linear predictors