版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ZK_J1994/article/details/81266000
-
PAC学习理论是机器学习为什么可学习的理论保障,即为什么训练集上工作的模型可以在测试集上有效。
-
经验误差与泛化误差之差的绝对值为error
-
PAC学习理论证明了在样本趋于无穷大的情况下,模型的error可以以概率1逼近任意正数。
-
PAC学习证明了,随着样本增大,模型学到一个泛化能力更好(error更低)的模型的概率更高。
-
PAC学习证明了模型学到一个足够好的模型需要的样本是有下限的。