学习放弃无信息数据

该文介绍了一种新的选择性学习理论，用于高噪声数据分布下的学习和决策。通过最小化损失函数来区分有用数据和无用数据进行预测，并描述了一个迭代算法，同时优化预测器和选择器。实证表现良好。