Peter L.Bartlett，Philip M.Long。
年份：2021年，数量：22，版本：204，页码：1−15
摘要
我们考虑了最小范数线性回归量在可插值数据的过参数化区域的泛化性能的界。我们描述了一种意义，即当应用于分析最小范数插值时，统计学习理论中通常证明的任何类型的泛化界有时都必须非常宽松。特别是，对于训练示例上的各种自然联合分布，任何有效的泛化界都只取决于学习算法的输出、训练示例的数量和置信参数，并且满足一个温和的条件（大大弱于样本大小的单调性），有时必须非常宽松-当真正的超额风险为零时，它可以被一个常数限制在下面。
PDF格式
BibTeX公司