Rademacher和Gaussian复杂度：风险边界和结构结果

彼得·巴特利特（Peter L.Bartlett）、沙哈·门德尔森（Shahar Mendelson）; 3（11月）：463-482002。

摘要

我们调查某些数据相关估计的使用函数类（称为Rademacher和高斯复杂性。在决策理论环境中，我们根据这些复杂性证明一般风险边界。我们考虑可以表示为组合的函数类基本类的函数，并显示Rademacher和这种函数类的高斯复杂性可以限定在基类的复杂性术语。我们举了几个例子这些技术在寻找数据依赖性方面的应用决策树、神经网络和支持的风险界向量机。

[腹肌] [pdf格式] [字幕] [秒]