未标注数据池何时能替代隶属度查询？

研究明确了半空间学习中未标注数据池替代隶属度查询的理论条件。在满足特定方向角分布假设且无需密度或凹性假设时，池化学习器仅需 $O(n\log^3n\log(n/(\eps\delta)))$ 个标签；若缺失任一角假设，标签复杂度将恶化至 $\Omega(1/\eps)$。在预设未标注预算下，该研究还将各向同性 $s$-凹边缘分布实现多对数速率的范围拓展至 $s>-1/(n+1)$。