Théorie de l'apprentissage statistique VS théorie de l'apprentissage informatique?

Quelles relations et différences entre la théorie de l'apprentissage statistique et la théorie de l'apprentissage informatique ?

S'agit-il du même sujet? Résoudre les mêmes problèmes et utiliser les mêmes méthodes?

Par exemple, le premier dit qu'il s'agit de la théorie de la prédiction (régression, classification, ...).

L'apprentissage informatique, plus concrètement le cadre probablement approximativement correct ( PAC ), répond à des questions telles que: combien d'exemples de formation sont nécessaires pour qu'un apprenant apprenne avec une forte probabilité une bonne hypothèse? de combien d'effort de calcul ai-je besoin pour apprendre avec une telle hypothèse à forte probabilité? Il ne traite pas du classificateur concret avec lequel vous travaillez. Il s'agit de ce que vous pouvez et ne pouvez pas apprendre avec quelques échantillons à portée de main.

Dans la théorie de l'apprentissage statistique, vous répondez plutôt à des questions de ce type: combien d'échantillons d'apprentissage le classificateur classera-t-il de manière erronée avant d'avoir convergé vers une bonne hypothèse? c'est-à-dire à quel point est-il difficile de former un classificateur et quelles garanties ai-je sur ses performances?

Malheureusement, je ne connais pas de source où ces deux domaines sont décrits / comparés de manière unifiée. Pourtant, bien que peu d'espoir cela aide