用概率方式定义“学得够好”的学习框架。
PAC 学习像食堂打饭:不求每勺都惊艳,但大多数时候别翻车,长期吃着稳,这标准就算靠谱。
它用来分析样本够不够、模型能否泛化,是学习理论的基础尺子。
Statistical-learning-theory
它是统计学习理论里最经典的学习定义之一。
Supervised-learning
PAC 学习常用来分析监督学习何时能学会。
Empirical-risk-minimization
它解释为什么训练集表现好,未必代表真能泛化。
Bias-variance-tradeoff
两者都关心模型复杂度会怎样影响泛化。