Statistische Lerntheorie VS rechnergestützte Lerntheorie?

Welche Beziehungen und Unterschiede bestehen zwischen der statistischen Lerntheorie und der rechnergestützten Lerntheorie ?

Geht es ihnen um das gleiche Thema? Die gleichen Probleme lösen und die gleichen Methoden anwenden?

Ersteres sagt zum Beispiel, es sei die Theorie der Vorhersage (Regression, Klassifikation, ...).

machine-learning statistical-learning artificial-intelligence

— Tim
quelle

Das ist eigentlich eine gute Frage. Ich wollte unbedingt eine ähnliche Frage stellen, aber ich dachte, dass dies die gleichen Eigenschaften der Frage mit sich bringt, die ich stellen wollte. Ich habe viele Bücher, viele Google-Suchanfragen und Wikipedia-Seiten gesehen. Ich denke, beide Fragen hängen damit zusammen, sie als Beispielkomplexitätsfragen zu formulieren, aber ich konnte keine Ressourcen finden, die auf die in diesem Bereich vor PAC geleistete Arbeit hinweisen. Alle Bücher, die ich gesehen habe, beginnen mit PAC, was mich zu der Frage führte, was vor PAC passiert ist.

— Kirk Walla

Computergestütztes Lernen, genauer gesagt das wahrscheinlich annähernd korrekte ( PAC ) Framework, beantwortet Fragen wie: Wie viele Trainingsbeispiele werden benötigt, damit ein Lernender mit hoher Wahrscheinlichkeit eine gute Hypothese lernen kann? Wie viel Rechenaufwand brauche ich, um eine solche Hypothese mit hoher Wahrscheinlichkeit zu lernen? Es handelt sich nicht um den konkreten Klassifikator, mit dem Sie arbeiten. Es geht darum, was Sie mit einigen Beispielen lernen können und was nicht.

In der statistischen Lerntheorie beantworten Sie eher Fragen der Art: Wie viele Trainingsmuster wird der Klassifikator falsch klassifizieren, bevor er zu einer guten Hypothese konvergiert? dh wie schwer ist es, einen Klassifikator zu trainieren, und welche Garantien habe ich für seine Leistung?

Leider kenne ich keine Quelle, in der diese beiden Bereiche einheitlich beschrieben / verglichen werden. Trotzdem, wenn auch nicht viel Hoffnung, die hilft

— jpmuc
quelle