对于一组实值函数F = {f：X-> R}，如何计算F的*伪维？
提供一个示例将有助于我的理解。像案件
其中X = {（x，y，z）：0
*伪维度是VC维度的概括
最佳答案
此类维旨在捕获概念类的自由度数，您可以在问题中将其标记为F。直观地，VC维和伪维通常是一个非常接近自由度数的数字。
例如，平面中的一组矩形的VC尺寸为4，因为您最多可以破碎4个点。 （选择放置在+号端点处的任意四个点；您可以通过选择适当的矩形将任意所需的+/-号分配给这四个点。）4是一个很好的猜测，用于矩形，因为您可以指定带有（x，y）某个角的任意矩形以及（宽度，高度）。
对于伪维，基本上是采用指标集{（x，y）：f（x）> y}并采用该新集合的VC维。
例如，令F = {f（x）：f（x）= kx对于某个实数k}。然后，每个k的指标集将为{（x，y）：kx> y}。换句话说，您将获得穿过原点的所有下半平面，但垂直线x = 0除外。该集合仅具有VC维1，但这很有意义，因为您在F中唯一的自由度是选择k。
顺便说一句，也可以在metaoptimize.com上询问此问题。
关于machine-learning - 实值函数的伪维，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6593857/