Hesaplamalı öğrenme, daha somut olarak muhtemelen yaklaşık doğru ( PAC ) çerçeve, aşağıdaki soruları yanıtlar: Bir öğrencinin yüksek olasılıkla iyi bir hipotezle öğrenmesi için kaç eğitim örneğine ihtiyaç vardır? Yüksek olasılıklı böyle bir hipotezle öğrenmek için ne kadar hesaplama çabasına ihtiyacım var? Üzerinde çalıştığınız beton sınıflandırıcısı ile ilgilenmez. Eldeki bazı örneklerle neler öğrenebileceğiniz ve öğrenemeyeceğinizle ilgilidir.
İstatistiksel öğrenme teorisinde bu tür soruları cevaplamayı tercih edersiniz: sınıflandırıcı iyi bir hipoteze dönüşmeden önce kaç tane eğitim örneği yanlış sınıflandırır? yani bir sınıflandırıcıyı eğitmek ne kadar zor ve performansı konusunda ne gibi garantilerim var?
Maalesef bu iki alanın birleşik bir şekilde tanımlandığı / karşılaştırıldığı bir kaynak bilmiyorum. Yine de, yardımcı olacak fazla bir umut olmasa da