Limites PAC-Bayes améliorées pour la régression linéaire.

Résumé Dans cet article, nous améliorons la limite d'erreur PAC-Bayes pour la régression linéaire dérivée dans Germain et al [10]. Les améliorations sont de deux ordres. Premièrement, la limite d'erreur proposée est plus stricte et converge vers la perte de généralisation avec un paramètre de température bien choisi. Deuxièmement, la limite d'erreur est également valable pour les données d'apprentissage qui ne sont pas échantillonnées de manière indépendante. En particulier, la limite d'erreur s'applique à certaines séries chronologiques générées par des classes bien connues de modèles dynamiques, tels que les modèles ARX.