VC维度1概念类的差分隐私学习器最优解

我们提出了首个针对VC维度1和Littlestone维度d的概念类的近乎最优差分隐私PAC学习器。该算法实现了Õε,δ,α,δ(log∗d)的样本复杂度，基本匹配Alon等人在STOC19上证明的Ω(log∗d)下界。在本文工作之前，Ghazi等人在STOC21上展示的最佳已知上界是针对通用VC类的Õ(VC·d^5)。