タグ付けされた質問 「pac-learning」

VC次元が概念クラス、を取得するだけで十分であることはよく知られてい PACのラベル付きの例は学習します。（これらの多くのサンプルを使用する）PAC学習アルゴリズムが適切であるか不適切であるかは、私には明確ではありませんか？カーンズとヴァジラニ、アンソニーとビッグスの教科書では、PAC学習アルゴリズムが不適切であるように見えます（つまり、出力仮説はません）CC\mathcal{C}dddO(dεlog1ε)O(dεlog⁡1ε)O\left(\frac{d}{\varepsilon}\log\frac{1}{\varepsilon}\right)CC\mathcal{C}CC\mathcal{C} 同様の上限が適切なPAC学習設定にも当てはまるかどうかを誰かが明確にできますか？もしそうなら、これが明示的に言及されており、自己完結した証拠も含まれている参照を私にくれませんか？ 最近、ハネケは要素を取り除くことでこの境界を改善しました。が適切なPAC学習設定で削除可能であることがわかっているかどうかを誰かが明確にできますか？それとも未解決の質問ですか？log(1/ε)log⁡(1/ε)\log(1/\varepsilon)log(1/ε)log⁡(1/ε)\log(1/\varepsilon)

11 machine-learning  boolean-functions  lg.learning  vc-dimension  pac-learning 

モデル（SVM、Neural-Net、kNNなど）が「まれな」インスタンス/尾の現象を学習するのが難しいことを示す結果はありますか？

8 machine-learning  lg.learning  pac-learning