О распаде стохастического большинства голосов: от границ ПАК-Байесиана к алгоритму самопровождения

arXiv: 2609.16803v1 Аннонс Тип: новое резюме: Взвешенное большинство голосов имеет ключевое значение для многих успешных методов. Теория ПАК-Байесов обеспечивает жесткие гарантии обобщения для таких моделей путем анализа ожидаемого риска тохастических классификаторов, в то же время анализ рисков детерминистского большинства голосов зависит от суррогатных границ. Чтобы избежать этих суррогатных голосов, Zantedeschi et al. (2021) ввели гарантии для стохастического большинства голосов, но полученные модели остаются случайными. В настоящем документе мы предлагаем рамки дерандомизации для голосования стохастического большинства. Для этого мы применяем последние достижения в дисинтегрированной теории ПАК-Байесяна непосредственно к пространству векторов веса большинства голосов, преобразуя стохастические гарантии в сертификаты для единого детерминистского голосования. Мы вычисляем два семейства, обладающих высокой вероятностью обобщения, охватывающих как независимые от данных, так и зависящие от данных конструкции ансамбля, что естественным образом приводит к самоосвоению алгоритма обучения