第四讲 学习的可行性
一. Hoeffding不等式
对固定的假设h,数据量N足够大,Ein(h)在误差ε内大概接近于Eout(h):
P[|Ein(h) - Eout(h)| > ε] ≤ 2exp(-2ε2N)
所以,Ein(h) = Eout(h) is probably approximately correct(PAC).
二. 有限个假设
对有限M个假设,数据量N足够大,Ein(g)在误差ε内大概接近于Eout(g):
P[|Ein(g) - Eout(g)| > ε] ≤ 2·M·exp(-2ε2N)
如果N足够大,无论学习算法如何选择,Ein(g) = Eout(g) is PAC.