Digamos que un algoritmo aprende agnósticamente sobre cualquier distribución, si para cualquier puede con una probabilidad encontrar una función tal que , dado el tiempo y un número de muestras de que está limitado por un polinomio en y .
Pregunta: ¿Qué clases de funciones se sabe que se pueden aprender agnósticamente sobre distribuciones arbitrarias?
¡Ninguna clase es demasiado simple! Sé que ni siquiera se sabe que las conjunciones monótonas se pueden aprender agnósticamente sobre distribuciones arbitrarias, así que solo estoy buscando clases de funciones no triviales.
reference-request
machine-learning
lg.learning
Aaron Roth
fuente
fuente
Respuestas:
Si ninguna clase es demasiado simple, aquí hay algunas clases aprendibles de PAC agnósticamente. En respuesta a los comentarios, se tachan las clases con muchas hipótesis polinómicas:
árboles de decisión de profundidad constante (y otras clases que solo tienen muchas hipótesis)hiperplanos en (solo hipótesis producen etiquetados distintos)R2 O(n2) otras clases de hipótesis en entornos de baja dimensión.Prácticamente todo lo demás es NP-Difícil de aprender (al menos de manera adecuada) agnósticamente PAC.
El tutorial de Adam Kalai sobre aprendizaje agnóstico también puede interesarle.
fuente