Скажем, что алгоритм независимо изучает по любому распределению, если для любого он может с вероятностью найти функцию такую, что , с учетом времени и число выборок из , ограниченное полиномом от и .
Вопрос: Какие классы функций как известно, являются агностически обучаемыми по произвольным распределениям?
Ни один класс не слишком прост! Я знаю, что даже монотонные соединения, как известно, не могут быть изучены агностически в произвольных распределениях, поэтому я просто ищу нетривиальные классы функций.
reference-request
machine-learning
lg.learning
Аарон Рот
источник
источник
Ответы:
Если ни один класс не является слишком простым, то вот некоторые классы, которые можно изучать PAC. В ответ на комментарии вычеркнуты классы с полиномиальным количеством гипотез:
деревья решений с постоянной глубиной (и другие классы, имеющие только много гипотез)гиперплоскости в (только гипотезы, дающие различные маркировки)R2 O(n2) другие классы гипотез в низкоразмерных условиях.Практически все остальное - NP-Hard, чтобы (по крайней мере, правильно) агностически изучать PAC.
Учебник Адама Калаи по агностическому обучению также может вас заинтересовать.
источник