VC维(外文名Vapnik-Chervonenkis Dimension)的概念是为了研究走苦呼院越总纸端重学习过程一致收敛的速度和推广性,由统计学理论定义的有关函数集学习性能的一个重要指标。
- 中文名 vc维
- 外文名 Vapnik-Chervonenkis Dimension
- 目的 为了研究学习过程一致收敛
- 原理 统计学理论
传统的定义是:对一个指示函数集,如果存在H个样本能够被函数集中的函数按所有可能的2的H次方种容广春乎脚减右双象形式分开,则称函数集志亮程财够杂坚假能够把H个样本打散;函数集的VC维就是它能打散的最大样本数目H。若对任意数目的样本都有函数能将它们打散,则函来自数集的VC维是无穷大,有界实函数的VC维可以通过用一定的阈值将它转化成指示函数来定义。
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)细几型员古,遗憾的是,目前尚没有通用的关于任意函数集VC维计算的理论,只对一些特殊的函数集知道其VC维。例如在N维空间中线性分类器和线性实函数的VC维是N+1。