BCD+22

新研究推进具有噪声容忍能力的多元线性分类器学习

两篇新研究论文探讨了多元线性分类器学习的进展，重点关注噪声容忍和乐观率。第一篇论文介绍了一种计算高效的算法，即使存在恒定速率的恶劣噪声，也能对多元线性分类器进行PAC学习，改进了现有方法。第二篇论文解决了多元学习最优超额风险理解方面的空白，提出了一种学习器，该学习器实现了依赖于预言机风险和维度的乐观率，适用于各种字母表大小，并可扩展到列表学习。