研究揭示未标注数据池替代隶属度查询的理论条件
Start here
2026年11月2日发表于arXiv的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。该研究指出，在满足特定方向角分布假设且无需密度或凹性假设的情形下，池化学习器仅需 $O(n\log^3n\log(n/(\eps\delta)))$ 个标签即可完成学习；若缺失任一角假设，标签复杂度将恶化至 $\Omega(1/\eps)$。此外，在预设未标注预算的条件下，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 $s>-1/(n+1)$。
AI-generated from reports · Updated 7 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习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 $s>-1/(n+1)$。
Story heat trend
Current heat 8·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.