Jakie są zależności i różnice między statystyczną teorią uczenia się a obliczeniową teorią uczenia się ?
Czy dotyczą tego samego tematu? Rozwiąż te same problemy i użyj tych samych metod?
Na przykład ten pierwszy mówi, że jest to teoria przewidywania (regresja, klasyfikacja, ...).
Odpowiedzi:
Nauka obliczeniowa, a ściślej mówiąc, prawdopodobnie w przybliżeniu poprawna struktura ( PAC ), odpowiada na pytania takie jak: ile przykładów szkolenia potrzeba, aby uczący się z dużym prawdopodobieństwem nauczył się dobrej hipotezy? ile wysiłku obliczeniowego muszę nauczyć się z dużym prawdopodobieństwem takiej hipotezy? Nie dotyczy konkretnego klasyfikatora, z którym pracujesz. Chodzi o to, czego możesz, a czego nie możesz się nauczyć z niektórymi próbkami.
W statystycznej teorii uczenia się raczej odpowiadasz na pytania tego rodzaju: ile próbek treningowych klasyfikator błędnie zaklasyfikuje, zanim osiągnie dobrą hipotezę? tzn. jak ciężko jest przeszkolić klasyfikatora i jakie mam gwarancje jego działania?
Niestety nie znam źródła, w którym te dwa obszary zostały opisane / porównane w ujednolicony sposób. Mimo to, choć niewiele nadziei na to pomaga
źródło