İstatistiksel öğrenme teorisi VS hesaplamalı öğrenme teorisi?

9

İstatistiksel öğrenme teorisi ile hesaplamalı öğrenme teorisi arasındaki ilişkiler ve farklılıklar nelerdir ?

Aynı konuyla mı ilgili? Aynı sorunları çözün ve aynı yöntemleri kullanın?

Örneğin, birincisi bunun tahmin teorisi (regresyon, sınıflandırma, ...) olduğunu söyler.

machine-learning  statistical-learning  artificial-intelligence 
— Tim
kaynak
Bu aslında harika bir soru. Benzer bir soru sormaya hevesliydim ama bunun sormak istediğim sorunun aynı özelliklerini içerdiğini düşündüm. Çok sayıda kitap, çok sayıda google araması ve wikipedia sayfası gördüm. Her iki sorunun da bunları örnek karmaşıklık soruları olarak ifade etmekle ilgili olduğunu düşünüyorum, ancak PAC'den önce bu alanda yapılan çalışmaları gösteren herhangi bir kaynak bulamadım. Gördüğüm tüm kitaplar PAC'den başlıyor ve bu da beni PAC'den önce ne olduğunu merak etmeye yöneltiyor.
— Kirk Walla

Yanıtlar:

5

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

— jpmuc
kaynak
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.