Quase todos os algoritmos que funcionam no modelo PAC (com exceção dos algoritmos de aprendizado de paridade) podem funcionar no modelo SQ. Veja, por exemplo, este artigo de Blum et al. em que vários algoritmos populares são traduzidos em seus equivalentes SQ ( Privacidade prática: a estrutura SuLQ ). O artigo está em princípio relacionado à "privacidade", mas você pode ignorar isso - na verdade, é apenas implementar algoritmos com consultas SQ.
O aprendizado agnóstico, por outro lado, é muito mais difícil no modelo SQ: além de questões computacionais (embora sejam importantes), a complexidade da amostra necessária para o aprendizado agnóstico é aproximadamente a mesma que a exigida para o aprendizado exato, se você realmente tiver acesso a os pontos de dados. Por outro lado, o aprendizado agnóstico se torna muito mais difícil no modelo SQ - você geralmente precisará fazer muitas consultas superpolinomialmente, mesmo para classes tão simples quanto disjunções monótonas. Veja este artigo de Feldman ( Uma caracterização completa do aprendizado de consultas estatísticas com aplicações para a capacidade de evolução ) ou este artigo recente de Gupta et al. ( Lançamento privado de conjunções e barreira de consulta estatística )