Interpolation Learning With Minimum Description Length

要約

最小記述長学習ルールが緩和されたオーバーフィッティングを示すことを証明します。
緩和された不可知論的有限サンプル学習保証を取得し、ランダム ラベル ノイズの存在下での漸近的動作を特徴付けます。

要約(オリジナル)

We prove that the Minimum Description Length learning rule exhibits tempered overfitting. We obtain tempered agnostic finite sample learning guarantees and characterize the asymptotic behavior in the presence of random label noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google