要約
私たちは、任意ではあるが有限の損失関数に関する仮説クラスのオンライン学習可能性を研究します。
この一般性レベルでは、オンライン学習可能性の特徴は知られていません。
我々は、逐次ミニマックス次元と名付けられた新しいスケール感受性の組み合わせ次元を与え、それがオンライン学習可能性の厳密な定量的特徴付けを与えることを示す。
さらに、逐次ミニマックス次元がオンライン学習理論における既存の組み合わせ次元のほとんどを包含することを示します。
要約(オリジナル)
We study the online learnability of hypothesis classes with respect to arbitrary, but bounded loss functions. No characterization of online learnability is known at this level of generality. We give a new scale-sensitive combinatorial dimension, named the sequential minimax dimension, and show that it gives a tight quantitative characterization of online learnability. In addition, we show that the sequential minimax dimension subsumes most existing combinatorial dimensions in online learning theory.
arxiv情報
| 著者 | Vinod Raman,Unique Subedi,Ambuj Tewari |
| 発行日 | 2024-02-09 18:27:51+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google