ИСТИНА |
Войти в систему Регистрация |
|
ИСТИНА ИНХС РАН |
||
Актуальность темы исследования. Вопросы точности восстановления закономерностей по эмпирическим данным являются ключевыми одновременно в теории машинного обучения и математической статистике. В последние годы интерес к этим вопросом мотивирован развитием методов машинного обучения и методов обнаружения новых знаний. Первые фундаментальные результаты в этой области были заложены в уже ставшей классической книге Вапника и Чер-воненкиса [1]. В серии своих работ они показали, что для некоторых семейств классификаторов малая ошибка на обучающей выборке влечет и малую ошибку на контрольной выборке. Таким образом, Вапник и Червоненкис первыми смогли обосновать применение популярного алгоритма обучения: алгоритма минимизации эмпирического риска. Так как их основные результаты представляются в виде статистических гарантий на предсказательную (обобщающую) способность алгоритмов обучения, то за теоретической частью машинного обучения закрепилось название Теория статистического обучения. В настоящее время результаты теории статистического обучения значительно расширены на практически произвольные классы обучаемых функций и различные функции потерь (см. монографии Энтони и Бартлетта [2] и Шалев-Шварца и Бен-Давида [3]).