Probably Approximately Correct learning framework

在计算学习理论中，可能近似正确的学习（PAC学习）是机器学习的数学分析的框架。它由Leslie Valiant于1984年提出。 [1]在这个框架中，学习者接收样本并且必须从某类可能的函数中选择泛化函数（称为假设）。 目标是，具有高概率（“可能”部分），所选择的函数将具有低泛化误差（“近似正确”部分）。给定任意近似比，成功概率或样本分布，学习者必须能够学习概念。该模型后来扩展到处理噪声（错误分类的

>>阅读原文<<