arXiv:2606.13614stat.MLcs.LG2026-06被引 3
三分类器多数投票在可实现学习中最优，且证明更简洁。
Majority-of-Three is Optimal
- 用多数投票融合三个独立一致分类器，实现最优学习
- 在可实现PAC设定下，错误率低于单个分类器
- 方法简单，分析更清晰，适合理论研究者
我们给出一个简短证明，表明在可实现PAC设定下，三个独立一致分类器的多数投票是一种最优学习器。该结果证明了最简单的投票机制的最优性，同时简化了以往投票学习算法的结构和概率分析，包括S. Hanneke的算法和K. Green Larsen对袋装（bagging）的分析。
原文摘要 · Abstract (English)
We give a short proof that the majority vote of three independent consistent classifiers is an optimal learner in the realizable PAC setting. This proves optimality for the simplest voting scheme, while simplifying both the algorithmic structure and the probabilistic analysis of previous voting learners, including the algorithm of S. Hanneke and the analysis of bagging by K. Green Larsen.
理论学习投票机制PAC学习
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。