剧集
通过压缩的镜头进行监督式学习
替换为 Shay Moran
这项工作继续研究示例压缩方案与统计学习之间的关系，该学习主要在二元分类框架内进行调查。 我们首先将调查扩展到多类分类：我们证明在这种情况下，可学习性相当于对数样本大小的压缩，统一收敛属性表示常量大小的压缩。 我们使用可压缩学习性等效性来表明（i）用于多类分类，PAC 和不可知的 PAC 可学习性是等效的，（ii）用于派生可学习性的紧凑定理。 然后，我们考虑在一般损失函数下进行监督式学习：在这种情况下，为了保持可压缩性-可学习性等价，有必要考虑压缩的近似变体。 我们使用它来显示 PAC 和不可知的 PAC 不相等，即使损失函数只有三个值。
这项工作继续研究示例压缩方案与统计学习之间的关系，该学习主要在二元分类框架内进行调查。 我们首先将调查扩展到多类分类：我们证明在这种情况下，可学习性相当于对数样本大小的压缩，统一收敛属性表示常量大小的压缩。 我们使用可压缩学习性等效性来表明（i）用于多类分类，PAC 和不可知的 PAC 可学习性是等效的，（ii）用于派生可学习性的紧凑定理。 然后，我们考虑在一般损失函数下进行监督式学习：在这种情况下，为了保持可压缩性-可学习性等价，有必要考虑压缩的近似变体。 我们使用它来显示 PAC 和不可知的 PAC 不相等，即使损失函数只有三个值。
视频 URL
HTML iframe
想提供反馈？ 在此处提交问题。