PAC Learning is just Bipartite Matching (Sort of)

要約

この記事の主な目標は、おそらくほぼ正しい（PAC）モデルで監督された学習が、すべてのものと密接に関連していることを読者に納得させることです。
PAC学習からバイパルティットマッチングへの概要を説明します。学習の特定の導入モデルと関連する1つのインクルージョングラフを概説します。これは、レクリエーション数学で人気のある帽子パズルの一般化と見なすことができます。
このトランスダクトモデルは新しいものとはほど遠いものですが、最近、学習理論の深い疑問に取り組むためのツールとして関心の復活が見られました。
この記事の二次的な目的は、PACと学習のトランスダクティブモデルとの接続に関する（偏った）チュートリアルとして可能です。

要約(オリジナル)

The main goal of this article is to convince you, the reader, that supervised learning in the Probably Approximately Correct (PAC) model is closely related to — of all things — bipartite matching! En-route from PAC learning to bipartite matching, I will overview a particular transductive model of learning, and associated one-inclusion graphs, which can be viewed as a generalization of some of the hat puzzles that are popular in recreational mathematics. Whereas this transductive model is far from new, it has recently seen a resurgence of interest as a tool for tackling deep questions in learning theory. A secondary purpose of this article could be as a (biased) tutorial on the connections between the PAC and transductive models of learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google