计算机科学与探索 ›› 2015, Vol. 9 ›› Issue (1): 1-13.DOI: 10.3778/j.issn.1673-9418.1410046
汤 莉1,2,宫秀军2,3+,何 丽1
TANG Li1,2, GONG Xiujun2,3+, HE Li1
摘要: PAC-Bayes理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,它作为一个理论框架,可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义,介绍了PAC-Bayes理论框架及其在支持向量机上的应用,分别探讨了多种机器学习算法的PAC-Bayes边界,并特别对非独立同分布数据的PAC-Bayes边界进行了分析。从4个方面深入阐述了PAC-Bayes边界应用的研究现状及进展,并对不同的研究方法和特点进行了比较。最后展望了PAC-Bayes边界未来的研究发展方向。