托尔斯滕·多利瓦;范高健;汉斯·乌尔里希·西蒙;桑德拉·齐勒斯 递归教学维、VC维和样本压缩。 (英语) Zbl 1318.68139号 J.马赫。学习。物件。 15, 3107-3131 (2014). 小结:本文讨论了可以从一小组示例中学习到的类的各种组合参数。我们表明,Zilles等人(2008)最近引入的递归教学维度与机器学习中已知的复杂性概念密切相关,例如,自我定向学习复杂性和VC-维度。据我们所知,这些是揭示教学与查询学习以及教学与VC-维度之间关系的第一个结果。结果表明,对于许多自然类,RTD由VCD上界,例如VC-维数1类、交闭类和有限最大类。然而,我们还将表明,对于某些(但很少)类,递归教学维度超过了VC-维度。此外,对于最大类,RTD诱导的组合结构(称为教学计划)与样本压缩方案的结构非常相似。事实上,一个人可以改变任何无重复教学计划将最大类\(\mathcal{C}\)转换为未标记样本压缩方案对于(mathcal{C}),反之亦然,后者是由(i)Rubinstein和Rubinsteen(2012)的角剥离算法和(ii)Kuzmin和Warmuth(2007)的尾部匹配算法产生的。 引用于11文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 关键词:递归教学维;组合参数;VC维;上限;压缩方案;尾部匹配算法 PDF格式BibTeX公司 XML格式引用 \textit{T.Doliwa}等人,J.Mach。学习。第15号决议,3107--3131(2014年;Zbl 1318.68139) 全文: 链接