vc demension

VC 维在有限的训练样本状况下，当样本数 n 固定时，此时学习机器的 VC 维越高学习机器的复杂性越高。VC 维反映了函数集的学习能力，VC 维越大则学习机器越复杂(容量越大)。  所谓的结构风险最小化就是在保证分类精度（经验风险）的同时，下降学习机器的 VC 维，可使学习机器在整个样本集上的指望风险获得控制。  推广的界（经验风险和实际风险之间的关系，注意引入这个缘由是什么？由于训练偏差再小也就

>>阅读原文<<