成对学习包括各种机器学习任务，其中排序和度量学习作为主要代表。虽然随机坐标下降（RCD）在各种学习问题中广受欢迎，但对通过RCD训练的模型的泛化行为的理论分析却少之又少，特别是在成对学习框架下。本文考虑了RCD在成对学习中的泛化性。我们测量了凸函数和强凸函数的平均参数稳定性，并基于此开发了期望上的泛化界限。采用早停策略来量化估计与优化之间的平衡。我们的分析进一步将低噪声设定纳入超额风险界限，以实现乐观界限O(1/n)，其中n为样本大小.
Wu等人（Mon，）研究了这个问题.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: