Vapnik-Chervonenkis dimension
source from: https://www.autonlab.org/_media/tutorials/vcdim08.pdf
定义
VC维是用来反映函数集学习能力的大小。
上面的讲义直接给出了VC维的定义。为了更形象地了解VC维的含义，还需要以下定义
Shattering
通俗点说，分散就是任意给定一个集合
VC维就定义为分类器能够分散的最多数量的点。
例子
VC dimension = 2
VC dimension = 1
用处
可以用于模型选择
上图展示了一个结论，并不是VC维越高就越好，VC维越高，模型越复杂，同时泛化误差越大。
替代方法
在Slide里面给出了三种替代VC维进行模型选择的方法