m0_52309472的博客

原创 机器学习--降维与度量学习、计算学习理论

PAC 辨识（PAC Identify）目标：我们不要求学习算法找到一个完美的假设，但希望找到一个错误率很低的。这里是模型的泛化误差（即它在新数据上的错误率）。（epsilon）：误差上限，表示我们希望错误率不超过。（delta）：失败概率，表示算法可能会学不到好模型的概率（例如 5% 的情况下学习失败）。PAC 学习的含义：如果一个学习算法在绝大多数情况下（至少的概率）能学到一个错误率小于的模型，我们就称这个学习算法是PAC 学习的。