3
正确的PAC学习VC尺寸范围
众所周知，对于具有VC维d的概念类，获得O （dCC\mathcal{C}ddd标记为PAC学习C的示例。我不清楚PAC学习算法（使用这么多样本）是正确的还是不合适的？在Kearns和Vazirani以及Anthony和Biggs的教科书中，PAC学习算法似乎是不正确的（即，输出假设不在C中）O(dε日志1个ε）O(dεlog1ε)O\left(\frac{d}{\varepsilon}\log\frac{1}{\varepsilon}\right)CC\mathcal{C}CC\mathcal{C} 有人可以澄清一下类似的上限是否也适用于正确的PAC学习设置吗？如果是这样，您能否给我参考，其中明确提到了该参考并且还包含独立的证据？ 最近，Hanneke通过消除对因子改善了这一界限。有人可以澄清一下，对于正确的PAC学习设置，是否已知可移动日志（1 / ε ）？还是仍然有待解决的问题？日志（1 / ε ）log(1/ε)\log(1/\varepsilon)日志（1 / ε ）log(1/ε)\log(1/\varepsilon)