La théorie PAC-Bayes rencontre l'inférence bayésienne.

Résumé Nous montrons un lien fort entre les limites de risque PAC-Bayesiennes fréquentistes et la vraisemblance marginale bayésienne. En d'autres termes, pour la fonction de perte de log-vraisemblance négative, nous montrons que la minimisation des limites de risque de généralisation PAC-Bayes maximise la vraisemblance marginale bayésienne. Ceci fournit une explication alternative au critère bayésien du rasoir d'Occam, sous l'hypothèse que les données sont générées par un modèle i.i. (i.i.).