Teoria da aprendizagem estatística VS teoria da aprendizagem computacional?

Que relações e diferenças existem entre a teoria estatística da aprendizagem e a teoria computacional da aprendizagem ?

Eles são sobre o mesmo tópico? Resolva os mesmos problemas e use os mesmos métodos?

Por exemplo, o primeiro diz que é a teoria da previsão (regressão, classificação, ...).

machine-learning statistical-learning artificial-intelligence

— Tim
fonte

Esta é realmente uma ótima pergunta. Eu estava interessado em fazer uma pergunta semelhante, mas achei que isso implica as mesmas propriedades da pergunta que eu queria fazer. Eu já vi muitos livros, muitas pesquisas no Google e páginas da Wikipedia. Acho que as duas questões estão relacionadas em termos de formulá-las como exemplos de questões de complexidade, mas não consegui encontrar recursos para indicar o trabalho realizado neste domínio antes do PAC. Todos os livros que eu vi começam no PAC, o que me leva a pensar no que aconteceu antes do PAC.

— Kirk Walla

O aprendizado computacional, mais concretamente a estrutura provavelmente aproximadamente correta ( PAC ), responde a perguntas como: quantos exemplos de treinamento são necessários para um aluno aprender com alta probabilidade uma boa hipótese? quanto esforço computacional eu preciso aprender com alta probabilidade de tal hipótese? Ele não lida com o classificador concreto com o qual você está trabalhando. É sobre o que você pode e não pode aprender com algumas amostras em mãos.

Na teoria da aprendizagem estatística, você prefere responder a perguntas do tipo: quantas amostras de treinamento o classificador classificará incorretamente antes de convergir para uma boa hipótese? ou seja, quão difícil é treinar um classificador e que garantias tenho sobre seu desempenho?

Lamentavelmente, não conheço uma fonte em que essas duas áreas sejam descritas / comparadas de maneira unificada. Ainda assim, embora não haja muita esperança que ajude

— jpmuc
fonte