Teoria dell'apprendimento statistico VS teoria dell'apprendimento computazionale?

Quali relazioni e differenze ci sono tra la teoria dell'apprendimento statistico e la teoria dell'apprendimento computazionale ?

Riguardano lo stesso argomento? Risolvi gli stessi problemi e usi gli stessi metodi?

Ad esempio, il primo afferma che è la teoria della predizione (regressione, classificazione, ...).

machine-learning statistical-learning artificial-intelligence

— Tim
fonte

Questa è in realtà una grande domanda. Ero entusiasta di fare una domanda simile, ma ho pensato che ciò comporta le stesse proprietà della domanda che volevo porre. Ho visto molti libri, molte ricerche su Google e pagine di Wikipedia. Penso che entrambe le domande siano correlate in termini di frase come domande di complessità del campione, ma non sono stato in grado di trovare alcuna risorsa per indicare il lavoro svolto in questo dominio prima del PAC. Tutti i libri che ho visto partono dal PAC, il che mi porta a chiedermi cosa è successo prima del PAC.

— Kirk Walla

L'apprendimento computazionale, più concretamente il quadro probabilmente approssimativamente corretto ( PAC ), risponde a domande come: quanti esempi di formazione sono necessari affinché uno studente apprenda con alta probabilità una buona ipotesi? di quanti sforzi computazionali ho bisogno per imparare con alta probabilità tale ipotesi? Non si occupa del classificatore concreto con cui stai lavorando. Riguarda ciò che puoi e non puoi imparare con alcuni esempi a portata di mano.

Nella teoria dell'apprendimento statistico rispondi piuttosto a domande del genere: quanti campioni di addestramento classificherà erroneamente il classificatore prima di convergere in una buona ipotesi? vale a dire quanto è difficile addestrare un classificatore e quali garanzie ho sulle sue prestazioni?

Purtroppo non conosco una fonte in cui queste due aree sono descritte / confrontate in modo unificato. Tuttavia, anche se non c'è molta speranza che aiuti

— jpmuc
fonte