Questions tagged «lg.learning»

我对VC-Dimension背后的理论非常熟悉，但是现在我正在研究统计学习理论的最新进展（过去10年）：（本地）Rademacher平均值，Massart的有限类引理，覆盖数，链接，Dudley的定理，伪尺寸，脂肪碎裂尺寸，装箱数，拉德马赫组成，以及其他可能未知的结果/工具。 是否有网站，调查，文章集，或者最重要的是，涵盖这些主题的书？ 另外，我正在研究如何为简单类绑定Rademacher平均的示例，就像人们使用轴对齐的矩形来显示如何绑定VC维度一样。 提前致谢。

10 reference-request  machine-learning  lg.learning  books  vc-dimension 

它是公知的，对于经典PAC学习，的例子是必要的，以便acheive结合的误差ε WHP，其中d是所述概念类的VC-尺寸。Ω(d/ε)Ω(d/ε)\Omega(d/\varepsilon)εε\varepsilonddd 它是已知的都需要在不可知的情况下的例子？Ω(d/ε2)Ω(d/ε2)\Omega(d/\varepsilon^2)

10 lg.learning  machine-learning 

哪些机器学习分类器最可并行化？如果您遇到困难的分类问题，有限的时间，但是要使用一个不错的计算机局域网，那么您将尝试使用哪些分类器？ 从旁看来，我看起来像一些我所知道的标准分类器，但我可能完全错了： 随机森林-高度并行化，只要每台机器都可以保存所有数据（即本身不能分割训练数据，但可以并行化）。 提升-？ 支持向量机-不可并行化。 决策树-可以部分分解，但效率不高。

10 lg.learning  machine-learning  dc.parallel-comp 

首先，我仍然不确定cstheory是否适合此问题，因此，如果人群认为不是这种情况，我不会感到冒犯... 在搜索引擎营销中，有几个问题很有趣。在有限的货币资源下，公平（和可盈利）拍卖机制的设计以及最佳竞价策略的计算是有趣（且文献充分）问题的两个例子。 另一个有趣的问题是关键字选择：如何选择最有利可图的关键字（没有指向可用金额或关键字“主题”的任何链接）。“有利可图”既可以带来最佳收入，也可以带来最佳利润。这些问题涉及不确定性：关键字的点击率未知，转换率也未知。 您知道与此问题有关的一些理论工作吗？

10 reference-request  lg.learning  gt.game-theory 

具体来说，我要求提供资源以学习有关机器学习系统的知识，这些系统可以在操作过程中更新各自的信念网络（或同等的信念网络）。我什至遇到了一些，尽管我没有为它们添加书签。 就像您想象的那样，在互联网上搜索是一个相当具有挑战性的话题。

10 reference-request  machine-learning  lg.learning  ai.artificial-intel  online-learning 

关于具有样本查询且分布均匀的适当 PAC学习2-DNF公式的查询复杂性的最新结果是什么？还是任何不平凡的约束呢？ 因为我对学习理论一点都不熟悉，并且这个问题是由另一个领域提出的，所以答案可能很明显。我检查了Kearns和Vazirani的书，但他们似乎并未明确考虑此设置。 更新。尽管感兴趣的主要参数是查询复杂度，但是运行时间也很重要。如果可能，运行时间最好应与查询复杂度大致相同或最多为多项式。 更新。Balcan和Harvey的“学习亚模函数”论文的附录B（第18页的顶部）提到：“众所周知，2-DNF可以有效地进行PAC学习。” 但是，他们没有提及此结果是用于适当学习还是提供任何参考。

10 reference-request  lg.learning  boolean-functions 

随机森林在实践者中享有声誉，是最有效的分类技术之一。然而，在学习理论文献中我们很少遇到这些问题，因此我推测它们缺乏深入的理论成果。如果有人想深入研究这一理论，那将从哪里开始呢？

9 machine-learning  lg.learning 

假设我在有个点。这些产生了Voronoi图。如果我为个点分配一个标签，它们会在上引发一个二进制函数。问题：由某些点和这些点的标记引起的所有此类可能的二元函数的VC维是多少？ķķk[Rd[Rd\mathbb{R}^dķķk±±\pm[Rd[Rd\mathbb{R}^dķķk

9 cg.comp-geom  machine-learning  lg.learning  convex-geometry  high-dimensional-geometry 

我具体指的是允许任意长字符串的语言族-而不是n位或决策列表上的并列或{0,1} ^ n中包含的任何其他“简单”语言。 我要问的是“自动理论”的常规语言，而不是“逻辑理论”的常规语言：诸如分段可测试语言，起始高度为零的语言，本地可测试语言之类的东西。相关的复杂度参数n是最小接受DFA的大小。因此，简而言之：是否有一个有趣的n-state DFA系列，已知可以通过PAC进行有效学习？

9 automata-theory  machine-learning  lg.learning