TL;DR提出了一种新的学习法则,即预测性 PAC 学习,它适用于可交换数据,并使用 de Finetti 定理证明了如果一个具有普遍可分性的函数类在 i.i.d.G渐进输入下是无偏的,那么在可交换输入下也是无偏的,但样本复杂度略有降低。
Abstract
exchangeable random variables form an important and well-studied generalization of i.i.d. variables, however simple examples show that no nontrivial concept or function classes are PAC learnable under general exc