초과 위험 경계
학습된 모델의 기대 위험과 최적 모델의 최소 위험 사이의 차이에 대한 수학적 상한선이다. 알고리즘이 데이터 양이나 노이즈 수준에 따라 얼마나 최적해에 가까워질 수 있는지를 이론적으로 보장한다.