Модель PAC просто сообщает вам, сколько фрагментов данных вам нужно, чтобы получить определенный уровень ошибки с некоторой вероятностью.Это можно преобразовать в влияние на время выполнения, посмотрев на используемый вами алгоритм машинного обучения.
Например, если ваш алгоритм выполняется за время O (2 ^ n), а модель PAC говорит, что вывам нужно 1000 примеров, чтобы иметь 95% -ную вероятность ошибки 0,05, и 10000 примеров ошибки .005, тогда вы знаете, что следует ожидать ОГРОМНОГО замедления для повышения точности.Принимая во внимание, что та же самая информация PAC для алгоритма O (log n), вероятно, заставит вас пойти дальше и получить меньшую ошибку.
Кстати, вы можете быть озадачены тем, как большинство контролируемых алгоритмов обученияработа:
Предположим, что алгоритму обучения дается больше времени (например, больше итераций), как изменяется ошибка и вероятность того, что ошибка ограничена
В большинстве случаев вы не можетена самом деле просто дайте тому же алгоритму больше времени и ожидайте лучших результатов, если только вы не измените параметры (например, скорость обучения) или не увеличите количество примеров.Возможно, под «итерациями» вы подразумевали примеры, и в этом случае влияние числа примеров на вероятность и частоту ошибок можно найти, манипулируя системой уравнений, используемой для модели обучения PAC;см. вики статья .