MENTAL MODEL · M4262
PAC学习
PAC Learning - Probably Approximately Correct
更新于 2026-08-01
CORE DEFINITION · 核心定义
一个学习算法不需要（也不可能）以100%的概率学到100%精确的规则。只要它能在多项式时间内，以“高概率”（Probably）输出一个“近似正确”（Approximately）的假设，它就是有效的。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
定义了可学习性的数学边界。它教导我们在面对复杂问题时，放弃对绝对真理的洁癖，追求“足够好且大概率有效”的模型，这是智能适应环境的本质。
anchor
锚定快速决策
现实问题几乎不可能 100% 精确求解。PAC 框架形式化"可学习性"：若一个算法能在多项式时间内，以高概率（Probably）输出近似正确（Approximately）的假设，且误差可控，就称该概念类可被高效学习。它把"够好且大概率有效"确立为智能适应的正当标准。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Probably_approximately_correct_learningverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。