There are many ways to define and q

There are many ways to define and quantify the stability of a learning algorithm. The natural way of
making such a definition is to start from the goal: we want to get bounds on the generalization error
of specific learning algorithm and we want these bounds to be tight when the algorithm satisfies the
stability criterion.
As one may expect, the more restrictive a stability criterion is, the tighter the corresponding
bound will be.
In the learning model we consider, the randomness comes from the sampling of the training set.
We will thus consider stability with respect to changes in the training set. Moreover, we need an
easy to check criterion so that we will consider only restricted changes such as the removal or the
replacement of one single example in the training set.
Although not explicitly mentioned in their work, the first such notion was used by Devroye and
Wagner (1979a) in order to get bounds on the variance of the error of local learning algorithms.
Later, Kearns and Ron (1999) stated it as a definition and gave it a name. We give here a slightly
modified version of Kearns and Ron’s definition that suits our needs.

ผลลัพธ์ (ไทย) 1:

มีหลายวิธีในการกำหนด และกำหนดปริมาณความมั่นคงของอัลกอริทึมการเรียนรู้ วิถีธรรมชาติทำให้คำนิยามคือ เริ่มจากเป้าหมาย: เราต้องการทราบขอบเขตในข้อผิดพลาดลักษณะทั่วไปการเรียนรู้เฉพาะอัลกอริทึมและเราต้องขอบเขตเหล่านี้จะแน่นวิธีการตอบสนองเกณฑ์เสถียรภาพหนึ่งอาจคาดหวัง เข้มงวดมากกว่าเกณฑ์เสถียรภาพเป็น ที่สัดสอดคล้องกันขอบเขตจะในรูปแบบการเรียนรู้ เราพิจารณา จำลองมาจากการสุ่มตัวอย่างของชุดการฝึกอบรมนอกจากนี้เราจึงจะพิจารณาความมั่นคงเกี่ยวกับการเปลี่ยนแปลงในชุดฝึกอบรม นอกจากนี้ เราต้องการง่ายต่อการตรวจสอบเงื่อนไขเพื่อที่เราจะพิจารณาเฉพาะจำกัดการเปลี่ยนแปลงเช่นการลบ หรือการเปลี่ยนอย่างเดียวหนึ่งในชุดการฝึกอบรมแม้ไม่ได้กล่าวไว้ในงานของพวกเขา แรก ใช้แนวคิดดังกล่าว โดย Devroye และวากเนอร์ (1979a) เพื่อให้ขอบเขตบนค่าความแปรปรวนของข้อผิดพลาดของขั้นตอนวิธีการเรียนรู้ท้องถิ่นในภายหลัง ส kearns กูดและรอน (1999) ระบุเป็นคำนิยาม และให้มันชื่อ เราให้ที่นี่เป็นเล็กน้อยแก้ไขเวอร์ชันของนิยามส kearns กูดและของรอนที่เหมาะกับความต้องการของเรา

ผลลัพธ์ (ไทย) 2:

มีหลายวิธีที่จะกำหนดและปริมาณความมั่นคงของขั้นตอนวิธีการเรียนรู้ที่มี วิธีธรรมชาติของ
การทำคำนิยามคือการเริ่มต้นจากเป้าหมาย: เราต้องการที่จะได้รับขอบเขตในข้อผิดพลาดทั่วไป
ของขั้นตอนวิธีการเรียนรู้ที่เฉพาะเจาะจงและเราต้องการขอบเขตเหล่านี้จะแน่นเมื่ออัลกอริทึมสอดคล้องกับ
เกณฑ์ความมั่นคง.
ในฐานะที่เป็นหนึ่งอาจคาดหวัง จำกัด มากกว่าเกณฑ์ความมั่นคงที่เข้มงวดมากขึ้นที่สอดคล้องกัน
ที่ถูกผูกไว้จะเป็น.
ในรูปแบบการเรียนรู้ที่เราพิจารณาการสุ่มมาจากการสุ่มตัวอย่างของชุดการฝึกอบรม.
ดังนั้นเราจะพิจารณาความมั่นคงที่เกี่ยวกับการเปลี่ยนแปลงในชุดฝึกอบรม นอกจากนี้เราต้อง
ง่ายต่อการตรวจสอบเกณฑ์เพื่อที่เราจะพิจารณาการเปลี่ยนแปลง จำกัด เพียงเช่นการกำจัดหรือ
การเปลี่ยนตัวอย่างหนึ่งเดียวในชุดฝึกอบรม.
แม้ว่าจะไม่ได้กล่าวถึงอย่างชัดเจนในการทำงานของพวกเขาครั้งแรกที่ความคิดดังกล่าวถูกใช้โดย Devroye และ
แว็กเนอร์ (1979a) เพื่อที่จะได้รับในขอบเขตความแปรปรวนของความผิดพลาดของขั้นตอนวิธีการเรียนรู้ในท้องถิ่น.
ต่อมา Kearns และรอน (1999) ระบุว่ามันเป็นคำนิยามและให้มันชื่อ เราจะให้ที่นี่เล็กน้อย
รุ่นที่ปรับเปลี่ยน Kearns และรอนของคำนิยามที่เหมาะสมกับความต้องการของเรา

ผลลัพธ์ (ไทย) 3:

มีหลายวิธีในการกำหนดและวัดเสถียรภาพของการเรียนรู้ขั้นตอนวิธี วิธีธรรมชาติของการทำเช่นคำนิยามคือ เริ่มจากเป้าหมายที่เราต้องการที่จะได้รับขอบเขตในการผิดพลาดเฉพาะการเรียนรู้ขั้นตอนวิธีและเราต้องการขอบเขตเหล่านี้จะแน่นเมื่อขั้นตอนวิธีการตอบสนองเกณฑ์เสถียรภาพเป็นหนึ่งอาจคาดหวังมากกว่าที่เข้มงวดเป็นเกณฑ์เสถียรภาพคือ สัดที่สอดคล้องกันจำกัดจะในการเรียนรู้ที่เราพิจารณา การสุ่มมาจากตัวอย่างของการตั้งค่าเราจึงจะพิจารณาความมั่นคงเกี่ยวกับการเปลี่ยนแปลงในการตั้งค่า นอกจากนี้ เราต้องการง่ายในการตรวจสอบเกณฑ์ที่เราจะพิจารณาเฉพาะการเปลี่ยนแปลง เช่น การจำกัดหรือแทนตัวอย่างหนึ่งเดียวในการตั้งค่าแม้ว่าจะไม่ได้กล่าวถึงอย่างชัดเจนในงานของตนเอง แนวคิดดังกล่าวเป็นครั้งแรกที่ใช้โดย devroye และแว็กเนอร์ ( 1979a ) เพื่อให้ได้ขอบเขตในความแปรปรวนของความคลาดเคลื่อนของการเรียนรู้ท้องถิ่น อัลกอริทึมต่อมาเคนส์ และ รอน ( 2542 ) กล่าวว่ามันเป็นนิยามและให้มันชื่อ เราให้มาเล็กน้อยรุ่นการแก้ไขของเคนส์ และ รอน เป็นนิยามที่เหมาะสมกับความต้องการของเรา