Local Rademacher Complexities

Bartlett, P; Bousquet, O; Mendelson, S

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Bitte beachten Sie, dass eine neuere Version dieses Datensatzes verfügbar ist:
https://pure.mpg.de/pubman/item/item_1791369_2

DetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Local Rademacher Complexities

MPG-Autoren

/persons/resource/persons83824

Bousquet, O
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Bartlett, P., Bousquet, O., & Mendelson, S. (2005). Local Rademacher Complexities. The Annals of Statistics, 33(4), 1497-1537. Retrieved from http://projecteuclid.org/Dienst/UI/1.0/Summarize/euclid.aos/1123250221.

Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-D4A3-9

Zusammenfassung

We propose new bounds on the error of learning algorithms in terms of a data-dependent notion of complexity. The estimates we establish give optimal rates and are based on a local and empirical version of Rademacher averages, in the sense that the Rademacher averages are computed from the data, on a subset of functions with small empirical error. We present some applications to classification and prediction with convex function classes, and with kernel classes in particular.