待验证50% 置信事实精确时间
在不可知学习设定下，每个ERM的样本复杂度与已知下界之间的差距，最多不超过DS维度与Natarajan维度之比乘以常数。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在非退化类上，每个一致学习器（无论怎样打破平局）都能达到最优的可实现样本复杂度，差距仅在常数因子之内。72% 相似待验证高斯DAG的高维结构学习面临统计-计算鸿沟：具有尖锐样本复杂度的方法依赖计算代价高昂的子集搜索并需要事先给定入度上界，而多项式时间算法的样本复杂度表现相对逊色72% 相似待验证ε预测在大嵌入维度下容易数值不稳定，因为当α_bar_t接近零时缩放系数1/sqrt(α_bar_t)趋于无穷大放大预测误差71% 相似待验证贝叶斯优化的计算复杂度通常随参数维度呈指数增长，传统上只适用于低维问题（一般几十维以内）。68% 相似待验证对于经验测度情形，迭代退化为L²(ρ_N)内积下的有限维信赖域方法，当初始目标间隙一致有界时复杂度常数与粒子数和维度均无关68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1023005API
curl https://kongchang.com/api/v1/knowledge/claims/1023005MCP
get_claim(id=1023005)