Approximale

Probably approximately correct learning (PAC learning) ist ein Frameworkfür das maschinelle Lernen, das von Leslie Valiantin seinem Paper A theory of the learnable eingeführt wurde.

In diesem Framework erhält die lernende Einheit Beispiele, die gemäß einer bestimmten Funktionklassifiziert sind. Das Ziel des Trainings ist es, mit großer Wahrscheinlichkeit eine Annäherung dieser Funktion zu finden. Man erwartet von der lernenden Einheit, das Konzept mit einer beliebigen Annäherungsrate, einer beliebigen Erfolgswahrscheinlichkeit und einer beliebigen Verteilung der Beispiele zu lernen.

Dieses Modell wurde noch erweitert, um mit Rauschen, also falsch klassifizierten Beispielen, umgehen zu können. Das PAC Framework erlaubt eine genaue mathematische Analyse von Lernverfahren.

Referenzen

1. L. Valiant. A theory of the learnable. Communications of the ACM, 27, 1984.
2. M. Kearns, U. Vazirani. An Introduction to Computational Learning Theory. MIT Press, 1994.

Weblinks

• Probably Approximately Correct Learning- Gute Einführung in dieses Themengebieten:Probably_approximately_correct_learning

Dieser Artikel basiert auf dem Artikel aus der freien Enzyklopädie Wikipedia und steht unter der GNU-Lizenz für freie Dokumentation.
In der Wikipedia ist eine Liste der Autoren verfügbar.