PAC学习理论不关心假设选择算法,他关心的是能否从假设空间H中学习一个好的假设h。此理论不关心怎样在假设空间中寻找好的假设,只关心能不能找得到。现在我们在来看一下什么叫“好假设”?只要满足两个条件(PAC辨识条件)即可
  1. Deep learning tutorial on Caffe technology : basic commands...
  2. Google Cloud Tutorial
  3. BibSLEIGH — Improving Query Correctness Using...
  4. 在 OS X 与 Window...
  5. 安卓上如何设置代理软件的PAC? - 知乎
  6. Probably approximately correct learning - Wikipedia
  7. zhihu.com/lives
  8. 为什么统计学习算法中常讨论KL距离? - 知乎
  9. 机器学习该怎么入门? - 知乎
  10. WonderList论文心愿单 - SIGGRAPH 2017 | CG中的深度学习
  11. 神经网络有什么理论支持
  12. NetworkX Tutorial
  13. 为什么统计学习算法中常讨论KL距离? - 知乎
  14. my paper | 机器学习及自然语言处理
  15. my paper | 机器学习及自然语言处理
  16. yafeixu2017.github.io | python机器学习笔记
  17. Machine Learning Overview | ShinChan's Blog
  18. Categories
  19. 读《西瓜书》 - Puke的博客 | Puke's Blog
  20. Probably Approximately Correct — a Formal Theory of...
展开全文
参考链接
微信扫码咨询专知VIP会员