¿Qué significan las hipótesis finita e infinita en el aprendizaje automático? Cuáles son las diferencias entre ellos?

Para comprender la diferencia entre el aprendizaje automático finito e infinito, primero necesitamos obtener algunos conceptos básicos para el aprendizaje automático. La mayoría de las herramientas en el aprendizaje automático están diseñadas para hacer un mejor uso de los datos usando PAC (Probablemente Aproximadamente Correcto), presentado por primera vez por el Profesor Valiant. Los análisis PAC suponen que la respuesta / concepto verdadero está en el espacio de hipótesis dado H. Un algoritmo de aprendizaje automático L con espacio de hipótesis H es uno que, dado un conjunto de datos de entrenamiento D, siempre devolverá una hipótesis H consistente con D si existe , de lo contrario, indicará que no existe tal hipótesis. En una hipótesis de aprendizaje automático finito, H no tiene una complejidad de muestra polinómica. Si H tiene una complejidad de muestra polinómica, se llama hipótesis infinita.