신호 무지(agnostic) PAC 학습의 통계적 최적 경계 제시하는 이론 논문

요약

마르쿠스 엥엘룬드 마티아센, 지안 치안, 니키타 지보토프스키가 발표한 프리프린트는 통계학습이론에 대한 순수 이론적 기여를 담고 있다. 유한 VC차원을 갖는 가설 클래스에 대해 저자들은 무지(agnostic) PAC 학습 설정에서 통계적으로 최적이라고 규정하는 위험 경계를 달성하는 학습기를 구성한다. 이 결과는 주어진 크기의 i.i.d. 표본이 주어졌을 때 학습기의 위험이 가설클래스 내 달성가능한 최적 위험으로 수렴하는 속도에 대한 이론적 보증을 개선한다. 기초이론 논문으로 초록에 직접적인 실세계 응용은 기술되지 않았으나 머신러닝의 수학적 토대에 기여한다.