這是一篇 2018 年的論文,出發點是希望改進原本 PAC-Bayes 的結果,使得以往對所有分布 都對的定理,特別專注在那些『好的 』。
所以這篇會先從最原始的 PAC-Bayes 的定理開始,還有定義什麼是 differential privacy 。當這些名詞都確認沒問題之後,才會開始有更多的討論,包括為什麼要使用這麼麻煩的定理,以及說明如何得到『data-dependent』的好的 ,最後討論有沒有可能有好的演算法。
繼續閱讀 “Data-dependent PAC-Bayes priors via differential privacy 小記"