论文部分内容阅读
文章研究的学习模型是可能近似正确（PAC）模型的一个推广变形。在这一模型下，文章研究了函数类学习的样本复杂度问题，其中包含了该函数类有限和无限两种情形的讨论；证明了这一函数类的任一样本误差最小化（SEM）算法L都是其学习算法；给出了算法L的样本复杂度的一个上界，同时也给出了其估计误差的一个上界，并予以证明。