Модель SQ була створена для аналізу шумостійкого навчання - саме алгоритм, який працює, створюючи статистичні запити, буде працювати під класифікаційним шумом. Як сказав Аарон, більшість алгоритмів PAC, які ми виявили, мають еквіваленти в моделі SQ. Єдиним винятком є елімінація Гаусса, яка використовується при навчанні паритетів (можна навіть розумно застосувати їївивчити журнал (n) лог (n) паритети розмірів у моделі класифікації шуму). Ми також знаємо, що паритети не можна вивчити за допомогою статистичних запитів, і виявляється, що найцікавіші класи, як дерева рішень, можуть імітувати функції парності. Отже, у нашому прагненні отримати алгоритми навчання PAC для багатьох цікавих класів (наприклад, дерева рішень, DNF тощо), ми знаємо, що нам потрібні принципово нові алгоритми навчання, які не працюють у моделі статистичних запитів.