转自: https://www.zhenxiangsimple.com/2019/04/11/tech-ml-jsxxll/
本章节以概念介绍为主,计算学习理论为了研究通过“计算”来进行“学习”的理论,即研究机器学习的理论基础,目标是分析学习任务的困难本质,为学习算法提供理论保证,并根据分析结果指导算法的设计。
PAC学习
PAC指概率近似正确(Probably Approximately Correct),是计算学习理论最基本的学习理论,是指以比较大的概率学习得到误差满足预定上限的模型。
PAC辨识
在指定的误差范围内,学习算法可以得到一个映射关系满足误差,则称为该算法PAC辨识,数学表达为:
对 0 < ϵ , δ < 1 0<\epsilon,\delta<1 0<ϵ,δ<1,若存在学习算法,使得其映射函数h满足:
P ( E ( h ) ≤ ϵ ) ≥ 1 − δ P(E(h) \le\epsilon) \ge1-\delta P(E(h)≤ϵ)≥1−δ
则,称该学习算法,能从映射空间中中PAC辨识该映射关系(概念类C)
PAC可学习
如果任意分布,存在学习算法对某一映射关系能够PAC辨识,则称对该关系PAC可学习。
PAC学习算法
若学习算法使得映射关系为PAC可学习的,切算法的运行时间也是多项式函数 p o l y ( 1