统计学习理论为机器学习提供风险界限，但数据分布变化会引发领域适应问题。本文用概率凸集建模分布可变性，建立“credal”学习理论，推导有限假设空间和无限模型空间的界限，扩展传统结果，并涉及认知随机模糊集、贝叶斯推断、可能性学习、分布鲁棒优化及不确定性估计等。