Theoretical Machine Learning (Learning Theory) on TechLLM

Theoretical Machine Learning (Learning Theory) on TechLLMhttps://techllm.github.io/tags/theoretical-machine-learning-learning-theory/Recent content in Theoretical Machine Learning (Learning Theory) on TechLLMHugokoMon, 10 Aug 2026 07:40:08 +0900훈련 데이터를 본 뒤 정답이 맞는 예시만 더 넣어도, 데이터의 순수한 무작위성이 깨져서 어떤 학습법도 일반적인 경우에는 로그만큼 더 느리게 배울 수 있음을 증명한 논문입니다.https://techllm.github.io/posts/optimal-rates-for-learning-with-monotone-adversaries/Mon, 10 Aug 2026 07:40:08 +0900https://techllm.github.io/posts/optimal-rates-for-learning-with-monotone-adversaries/본 논문은 깨끗한 i.i.d. 표본을 본 뒤, 정답 라벨을 유지한 예시만 추가하는 monotone adversary가 학습 난이도를 얼마나 높이는지 minimax 관점에서 규명한다. VC 차원 d=0에서는 위험이 0이고, d=1에서는 모든 삽입 예산 m에 대해 Θ(1/n)이 가능하지만, d≥2에서는 알려진 유한 예산들에 대한 최악의 경우 최적 위험률이 Θ((min{d,n}/n)·log(en/min{d,n}))로 증가한다.